• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >The GMRF detector for hyperspectral imagery: An efficient fully-adaptive maximum likelihood detector.
【24h】

The GMRF detector for hyperspectral imagery: An efficient fully-adaptive maximum likelihood detector.

机译：用于高光谱图像的GMRF检测器：高效的自适应最大似然检测器。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Hyperspectral sensors collect hundreds of narrow and contiguously spaced spectral bands of data organized in the so called hyperspectral cube. The hyperspectral imagery provides fully registered spatial and high resolution spectral information that is invaluable in discriminating between man-made objects and natural clutter backgrounds, since the objects and clutter have unique spectral signatures that are captured by the data. This comes at a cost. The high volume of data in the hyperspectral cube and the associated processing that is required, has precluded the development of computationally practical Maximum-Likelihood (ML) detectors of man-made anomalies in clutter.; This thesis solves this problem. We derive the Gauss-Markov random field (GMRF) detector, a computationally efficient ML anomaly detector that fully adapts to the unknown statistics of the clutter, and fully exploits the spatial and spectral correlation of the hyperspectral imagery. We test extensively our clutter adaptive GMRF detector with real imagery from several hyperspectral sensors. Our results show that the GMRF detector is significantly simpler computationally and noticeably improves the detection performance over the benchmark anomaly detection algorithm. Our approach avoids the costly step of inverting the large sample covariance matrix of the clutter. We parameterize directly the inverse of the clutter covariance and develop several alternative methods to match this inverse to the actual clutter statistics.
机译：高光谱传感器收集数百个狭窄且连续分布的光谱带，这些数据组织在所谓的高光谱立方体中。高光谱图像提供了完全配准的空间和高分辨率光谱信息，这在区分人造物体和自然杂波背景方面非常宝贵，因为这些物体和杂物具有被数据捕获的独特光谱特征。这是有代价的。高光谱立方体中的大量数据以及所需的相关处理，已使人为异常杂波中计算上实用的最大似然（ML）检测器的开发无法进行。本论文解决了这个问题。我们推导出高斯-马尔可夫随机场（GMRF）检测器，它是一种计算效率高的ML异常检测器，它完全适应杂波的未知统计数据，并充分利用了高光谱图像的空间和光谱相关性。我们使用来自多个高光谱传感器的真实图像对杂波自适应GMRF检测器进行了广泛的测试。我们的结果表明，与基准异常检测算法相比，GMRF检测器的计算非常简单，并且显着提高了检测性能。我们的方法避免了将杂波的大样本协方差矩阵求逆的昂贵步骤。我们直接对杂波协方差的逆进行参数化，并开发几种替代方法，以使该逆与实际杂波统计信息相匹配。

著录项

  • 作者

    Schweizer, Susan Marie.;

  • 作者单位

    Carnegie Mellon University.;

  • 授予单位 Carnegie Mellon University.;
  • 学科 Engineering Electronics and Electrical.; Physics Optics.
  • 学位 Ph.D.
  • 年度 1999
  • 页码 132 p.
  • 总页数 132
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 无线电电子学、电信技术;光学;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号