面向对象的高光谱异常检测

In this project, hyperspectral images are exploited to detect object level abnormal detection in complex ground surroundings. Abnormal detection aims to find the suspicious targets and supplies information for the precise recognition. But the traditional abnormal detection is limited by the background information and only considers about the pixel-level abnormal object. This project will not only find the pixel-level abnormal but also detect the object-level abnormal to improve the robust ability and overcome the blind setback of traditional abnormal detection. With these goals, we strive to come up with a systematic, targeted and highly efficient abnormal analytical framework of complex background condition, and provide technical support and theoretical basis for the growing demand for road safety.

本项目拟针对在复杂地物环境下，利用高光谱遥感数据实现面向对象的异常检测。高光谱异常目标检测就是为了定位出图像中潜在的可疑目标，为后期目标的精确识别提供感兴趣的区域，但是往往异常目标受到单一尺度背景分析的局限，停留在像素级的异常，而忽略对象及异常。本项目将不仅围绕高光谱的点异常，同时考虑面向对象级的异常检测，提高异常检测鲁棒性，同时为了克服传统异常检测的“盲目性”，本项目也将分析对比异常的类别，提高对地观测的有效性和实用性。本项目将着力实现面向对象的高光谱影像鲁棒、有效的异常检测，力求研究出系统化、有针对性的且有效性高的复杂背景下的异常检测，为地理国情监测需求的日益增强提供技术支撑和理论依据。

高光谱图像能够同时获取地物的空间以及光谱信息，这为准确、定量地分析地物特性提供了支撑。因此，高光谱相关技术在侦察、环境监测等方面得到了广泛应用，推进了农林监测、军事侦察等多个任务的快速发展。而异常检测是高光谱图像处理方面的重要研究课题之一，以无需先验信息而实现离群点的分离为特点，可以快速对图像中感兴趣的区域进行定位。本项目主要研究面向对象的高光谱异常检测技术，针对当前高光谱异常目标检测存在的困难，从面向对象的超像素构建出发，对精确分割的遥感区域进行对象级的中层特征表达，构建面向对象的高光谱异常目标检测模型，实现异常属性感知。主要研究内容包括面向对象的异常目标超像素构建、高光谱图像异常目标检测以及空谱特征表达的变化检测。研究成果包括多尺度目标的高光谱影像解混分析、多尺度下高光谱影像的超像素分割、基于相似性约束凸非负矩阵分解的高光谱异常检测算法等一系列技术。本项目取得的研究进展和成果已经发表在国内外学术刊物，包括26篇国际期刊和2篇会议学术论文。此外，本项目已申请专利10篇，共计培养6名硕士研究生，9名博士研究生。本项目研究所获的科研成果不仅为高光谱异常检测技术的落地带来一些新思路，还能为高光谱遥感相关领域的未来发展提供一定的理论支撑。