基于松树冠层光谱特征的异常目标检测研究开题报告

全文总字数：1160字

1. 研究目的与意义

高光谱图像异常检测能够在没有任何先验信息的条件下检测与周围环境存在光谱差异的目标，根据采用的处理方式不同可以分为基于统计方式的异常检测算法和基于集合方式的异常检测算法。

对单株松木冠层高光谱数据的采集与预处理，以健康松树为参照，对感病的松树植株进行异常目标（不同位置的叶片）检测，是一种通过异常检测发现感病松树并及时预测、预防、评估灾害的新手段。

2. 国内外研究现状分析

常用的高光谱图像异常检测算法大致可以分为两类。

一类是几何性异常检测，这类算法是基于背景几何空间的概念而产生的，其认为背景和目标构成了两个不同的数据空间]，首先寻找高光谱图像中背景的光谱特征，然后利用子空间投影等匹配方法进行检测，其中低概率检测（lpd）算法，是这类算法中的代表；类似的算法还有 heesung kwon 等人提出的双窗口数据投影算法，内窗口数据代表目标、外窗口数据代表背景，将内、外窗口数据分别向特定的方向投影，以投影后内、外窗口数据的分离程度作为异常性的判据；另一类是基于背景统计特性的异常检测，称之为统计性异常检测，这类检测算法是将不符合背景统计特性（例如：均值和协方差矩阵等）的像素点判为异常目标，其中由 reed 等人提出的 rx 检测器（rxd）是这类算法的代表。

rxd 是一种以广义似然比为基础的局部高斯异常异常检测，其实质是求样本到总体均值向量的马氏距离。

3. 研究的基本内容与计划

1．研究内容通过对单株松木冠层高光谱数据的采集与预处理，以健康松树为参照，对感病的松树植株进行异常目标（不同位置的叶片）检测，以期实现高光谱数据的单木水平的高精度异常识别。

2．研究计划1-2月份收集文献，了解国内外研究现状；3-4月份获取近地面植被冠层高光谱数据，并进行预处理，应用不同的异常目标检测方法（如非线性特征提取等）实现不同感病进程单木的感病位置确定； 4-5月份进行结果分析，并对异常检测结果进行对比验证；5月中下旬撰写论文。

（具体操作步骤根据参考资料自拟后与指导教师商定具体操作方案）； 6月上旬后：准备答辩。

4. 研究创新点

本论文通过获取植被冠层高光谱数据并预处理，运用ENVI与ARCGIS软件进行数据分析并成图，之后应用不同的异常目标检测方法对单木的高光谱数据进行分层异常目标识别，实现高光谱数据的单木水平高精度检测。