基于样本分割的快速高光谱图像异常检测支持向量数据描述方法

高光谱图像异常检测支持向量数据描述方法性能优越但存在计算量巨大的问题。提出快速高光谱图像异常检测支持向量数据描述方法,该算法通过样本分割有效降低求取支持向量的计算量。建立了求取支持向量的计算量与样本分割子集数量的数学模型,并给出样本分割子集数量的最优选取方法;提出目标窗与背景窗尺寸相同的优化分割方法,该方法目标窗每次移动只需更新50%的训练样本,有效地减少图像遍历时求取支持向量的计算量。对HYMAP图像的仿真结果表明：本文算法对不同尺寸的高光谱图像进行异常检测的计算时间均小于SVDD算法计算时间的10%.     

基于改进残差网络的高光谱图像分类算法研究

针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residual block)模型进行改进,提出一种“金字塔”残差块分类算法。设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集Indian Pines和University of Pavia上进行实验,同时选取了3种经典的分类方法作为对比。实验结果表明：该算法表现效果最佳,可以有效提高高光谱图像的分类精度。     

无人工选择训练样本的高光谱图像神经网络分类方法研究

文中针对在无人工选择训练样本条件下高光谱图像中奇异点及噪声对SOFM神经网络分类效果的影响．提出应先对高光谱图像进行奇异点检测处理以消除其对网络分类的干扰和提取区域特征光谱以抑制噪声,并给出了相似度阈值的选取方法;在此基础上提出了基于区域特征光谱的高光谱图像无人工选择训练样本分类方法,通过对高光谱数据进行仿真．结果表明：文中提出的方法显著抑制了噪声的影响．分类结果更加合理。     

一种改进的高光谱RX异常检测方法

针对异常噪声的干扰使得RX异常检测方法效果不佳的问题,提出了一种改进的RX异常检测方法;首先,借助图像插值的思想,建立邻域像元与目标像元之间的定量关系;然后,采用正交子空间投影法（OSP）将目标像元的光谱向量正交投影到由邻域像元加权得到的光谱向量的正交子空间当中,从而实现对异常噪声的估计;最后,将目标像元的光谱向量减去噪声向量,以达到降低噪声提高检测效果的目的;以ROC曲线作为评价检测方法性能的指标,实验结果表明：改进后的RX检测方法在检测性能上明显优于原始的RX检测方法,在检测时间和检测效果上都要优于基于最大噪声分离的RX法（MNF-RX）。     

一种基于SOFM神经网络的高光谱图像快速分类方法

高光谱图像的快速准确分类是遥感图像处理的关键技术之一。本文提出了区域特征光谱(RFS)的概念,并采用空间邻域聚类方法提取区域特征光谱;提出了以区域特征光谱作为SOFM神经网络输入的RFS-SOFM高光谱图像快速分类方法,该方法通过区域特征光谱代替单个像元光谱实现神经网络运算量的降低和对图像噪声的抑制。对AVIRIS图像数据的仿真结果表明：RFS-SOFM分类精度高于SOFM神经网络和K-均值算法,计算量约为K-均值的163.6%,SOFM神经网络的5.9%．     

基于高光谱图像探测与感知的伪装效果评估方法

为解决高光谱侦察过程中目标的伪装评估问题,提出一种联合探测与感知的高光谱伪装效果评估方法。利用局部异常检测算子提取每个像元与周围背景的差异性指标,结合空间密度聚类和领域融合算法,分割潜在目标区域;建立反映光谱差异性和整体伪装特征的显著性指标,基于有限时间搜索策略进行高光谱伪装评估,从伪装评估指标和时间-评价分数多重角度得到伪装评估结果。仿真实验表明,该方法克服了传统基于多特征描述的评估方法评价指标单一的问题,能够较为客观和准确地给出评估结论,为目标伪装效果评估提供可靠的参考依据。     

基于三维GMRF的多光谱图像自适应目标检测

针对常见的多光谱目标检测算法仅利用光谱信息的局限性．提出一种移动窗口局部异常自适应检测方法。采用加性目标信号和非结构化背景模型描述多光谱图像数据；基于谱间相关性和空间相关性．利用三维高斯马尔可夫随机场（GMRF）模型估计背景数据二阶统计量的逆．最后通过广义似然比检验实现了自适应目标检测。仿真试验及其理论分析表明了算法的有效性。     

基于直接序列扩频的鱼雷低截获概率信号及检测技术

基于直接序列扩频信号的低截获特性,进行了直接序列扩频(DSSS)信号波形设计,包括DSSS的原理及特性、扩频序列的生成方法和性质。研究了DSSS信号的最佳检测方法,即匹配滤波器检测。通过仿真,分析了DSSS信号在理想情况下的低截获特性。理论分析和数值仿真结果表明,DSSS信号具有大的时间带宽积、低的功率谱密度、良好的分辨性能,波形具有随机性,类似白噪声,具有很好的低截获特性。     

一种新的空谱联合稀疏高光谱目标检测方法

目标检测是高光谱数据处理的重要应用之一,高光谱图像中空间和光谱信息的充分利用对于目标检测率的有效提升非常关键。提出一种新的联合稀疏表示的目标检测方法,将混合范数理论和算法应用于高光谱目标检测,在联合高光谱图像空间和光谱信息的基础上,建立了基于联合稀疏性约束的混合范数正则化数学模型,并利用交替方向乘子法对模型进行了优化求解。仿真实验结果表明,该方法能有效提高高光谱目标检测的准确性,降低虚警率。     

基于蒙特卡洛法的潜射鱼雷发现概率计算

鱼雷发现概率是潜艇鱼雷武器系统作战效能的重要指标之一,通过实航试验考核该指标将需要较大的样本量,这不仅需要较长时间,而且也将付出巨大的经济代价。为此,在阐述潜艇鱼雷武器射击导引的原理和模型的基础上,充分利用了海上试验数据和仿真计算相结合的方法,使其能在较少样本量的情况下,达到考核潜射鱼雷发现概率的目的。     

SAR图像边缘的模糊检测方法

针对合成孔径雷达(SAR)图像的边缘提取问题,提出采用模糊集理论实现SAR图像的边缘检测。设计了一种模糊边缘检测器,该检测器首先计算图像中每一个像素点的边缘隶属度,然后对该隶属度进行非线性变换以增强原始图像的对比度,最后对增强后图像进行阈值化处理得到原始图像的边缘。将模糊边缘检测器与经典的极大似然边缘检测器进行SAR实测数据的仿真试验对比,结果证明了模糊边缘检测器的有效性和优越性。