基于仿生视觉的高光谱遥感异常检测方法研究

anomaly detection of hyperspectral remote sensing is a techonolgy that can detect spetral anomaly target refer to the neighborhood without any prior knowledge, and has important value in many application domain. However, finer description of ground content attribution under large scale measure of spatial domain induced badly and complex disturbtion of spectra that makes present anomaly detection method have higher false alarm rate,lower recognise rate and so on. So inspired by the advantages of fly vision such as fast and completed information procession, effective compression fusion mechanism, self-adaptive sensitivity modulation.this project try to proposed and construct a suit of theory and method that used to anomaly detection for hyperspectral data based on bionic vision. It included the research of block-based information process inspired by multi-apperture "same form and asynchronism" of fly vision, bionic anomaly perception model and bionic anomaly detection algorithm for hyperspectral remote sensing. foucsing on three problems: (1) design of aperture size and mapping function of hyperspectral data cube; (2)model of information compression, super acuity information fusion,enhancement and extraction mechanism;（3）research on the self-adaptive mechanism of sensitivity modulation of vision neuro fiber.

高光谱遥感异常检测可以在无先验知识的条件下检测与周围背景存在光谱差异的目标，在诸多领域（如：国防、军事安全等）具有重要的应用价值。然而，大尺度空间观测下地物属性的精细表征导致的光谱干扰严重、复杂等问题，致使现有的异常目标检测方法存在高虚警率、低识别率等不足。为此，受蝇视觉系统快速、完备信息处理模式、高效压缩融合机理以及自适应敏感性调节机制等生物学机理的启发，提出并初步建立一套基于仿生视觉的高光谱遥感异常检测理论和方法。开展如下研究：多孔径"同构异步"分块信息仿生处理模式研究；仿生视觉异常感知机理建模；高光谱遥感异常检测算法以及"弹性"评价指标设计。重点解决：（1）高光谱遥感数据立方孔径尺寸及映射函数设计；（2）信息的高效压缩、超敏锐度融合以及有效增强与提取机理建模；（3）视神经纤维非线性自适应"异常"敏感性调节机制的研究与模拟。为该技术在实际中的应用打下扎实的理论基础和实验验证准备工作。

随着传感器技术的飞速发展以及高光谱遥感数据的不断民用化，高光谱遥感异常检测在诸多领域（如：国防、军事安全等）显现出重要的理论研究意义和实际应用价值。受蝇视觉系统快速、完备信息处理模式、高效压缩融合机理以及自适应敏感性调节机制等生物学机理的启发，课题组围绕构建仿生视觉的多孔径“同构异步”分块信息处理模式、仿蝇视觉高效信息融合机理研究、仿生非线性自适应遥感异常检测算法等内容展开了相关的研究。.经过了三年的研究和探索，主要研究内容如下：①多孔径并行信息处理模式：针对遥感影像复杂背景下地物光谱特征与目标光谱特征之间存在较强相关性难于区分的问题，提出一种基于仿蝇视觉的复杂背景下遥感异常检测算法。该算法模拟复眼多孔径结构以及信息获取与处理机制，构建具有自适应调节机制的多孔径信息获取与映射模式。实现对复杂背景的自适应特征表征，改善了检测虚警率高的问题。②仿生非线性滤波算法设计：受生物视觉系统利用不同属性信息挖掘高维特征机理的启发，项目组设计了一种相关型非线性滤波器，用于改善和弥补线性滤波抗噪性能差、难于区分复杂背景特征与目标特征的缺点。该方法不涉及背景建模，计算复杂度低，具有较好的实时性与普适性。特别是对复杂背景下的小尺寸异常目标具有较好的检测效果。③基于结构化特征建模的轨迹异常分析：针对目标轨迹之间的相关型与形态分析的结构性特征，提出一种基于轨迹分段主题模型的视频异常行为检测方法。通过结合轨迹分段与LDA主题模型，该算法能够充分挖掘目标轨迹内部的行为特征信息，识别多种异常行为模式，并且能提高对异常行为检测的准确率。④多源数据融合：针对不同传感器设备获得异源、异构数据对现有像素级融合算法提出的挑战，课题组通过分析结构特征提取算法、模糊逻辑理论等语义层数据融合方法，分别研究了光学与雷达数据的融合，以及融合可见光与红外图像信息的多目标检测问题。.按照项目进度安排，实现了项目的原定的研究目标。在基金委的资助下，课题组在三年期间在国内外知名刊物上发表学术论文13篇，出版专著1部，申请发明专利1项，培养硕士研究生2人。研究成果为仿生视觉良态盲信号检测技术奠定了初步的理论基础，为遥感自动解译技术发展提供了有效的技术支持。