基于支持向量数据描述的高光谱图像目标识别

简介：
本研究提出了一种利用支持向量数据描述的方法来提高高光谱图像中目标识别的准确性与鲁棒性，旨在解决复杂背景下的小目标检测难题。 高光谱图像目标检测在理论研究与应用方面具有重要意义，是遥感信息处理领域中的一个热门课题。当前大部分的检测算法需要设定合适的判决阈值，该阈值通常由人工设置或通过分析目标与背景的信息计算得出。然而，在实际操作中，我们往往缺乏关于背景的先验知识，这限制了许多现有算法的应用范围。 为了解决这个问题，本段落提出了一种新的纯像素目标检测方法——基于支持向量数据描述（SVDD）的高光谱图像目标检测技术。该方法将目标检测问题转化为单值分类任务：首先训练SVDD分类器；然后对数据进行类内（即目标区域）和类外（即背景区域）的区分，再利用空间特征降低虚警率；最后得到最终的目标检测结果。 实验结果显示，在使用实际高光谱数据的情况下，这种方法仅需少量的目标类别样本即可获得与传统方法在选择最佳阈值时相近的效果。当增加背景样本数量后，该算法的表现优于传统的光谱角度制图和有约束能量最小化算法。