遥感异常检测仿生算法

第1章 绪论 1
1．1　关于异常检测 2
1．1．1　什么是异常 2
1．1．2　异常的分类 3
1．1．3　异常检测的方法 4
1．1．4　如何标定异常 5
1．2　遥感图像处理技术 6
1．2．1　遥感图像处理技术概述 6
1．2．2　遥感图像目标检测技术 7
1．3　遥感图像异常检测技术 8
1．3．1　基于背景建模的异常检测 8
1．3．2　基于子空间变换的异常检测 9
1．3．3　基于机器学习的异常检测 9
1．4　遥感图像异常目标检测的国内外研究现状 10
1．4．1　国外遥感图像异常检测技术研究现状 10
1．4．2　国内遥感图像异常检测算法研究现状 14
1．5　遥感影像特定目标提取算法概述 15
1．5．1　遥感图像目标提取方法的国内外研究现状 15
1．5．2　遥感图像水体目标提取方法的国内外研究现状 17
1．6　遥感异常检测及特定目标提取面临的主要问题 18
1．6．1　复杂背景下自适应异常检测理论还需深入研究 18
1．6．2　特征级目标提取方法还有待延伸 19
1．6．3　仿生视觉研究 19
第2章　基于谱像相关的多光谱遥感影像特征感知 21
2．1　引言 22
2．2　昆虫视觉初级视觉感知机理 23
2．2．1　昆虫视觉的生物学机理研究 23
2．2．2　时空域相关型初级运动检测器模型 25
2．2．3　基于谱像相关的遥感影像特征感知器模型 29
2．3　特征感知器模型分析 35
2．3．1　频域分析 35
2．3．2　波段相关性分析 37
2．3．3　抗噪性能分析 38
2．4　本章小结 40
第3章　联合特征感知器模型的遥感图像超视锐度重构 41
3．1　引言 42
3．2　昆虫视觉系统的超视锐度机理 43
3．3 联合特征感知器模型的遥感图像超视锐度重构简介 44
3．3．1　联合光谱波形特征的重构模型 45
3．3．2　重构有助于增强亚像元级目标特征 51
3．4　本章小结 54
第4章　基于大小场景的多光谱遥感图像异常检测 55
4．1　引言 56
4．2 昆虫视觉的高阶神经元整合机理 56
4．2．1 大场景整合机理 57
4．2．2 小场景整合机理 58
4．3　基于高阶神经元整合机理的遥感异常目标检测 62
4．3．1　复杂背景抑制与目标特征增强 63
4．3．2　基于大小场景整合的遥感异常检测算法 66
4．4　本章小结 71

第5章　基于多孔径结构的多光谱遥感图像异常检测算法 72
5．1　引言 73
5．2　蝇视觉多孔径结构给我们的启发 73
5．2．1　蝇类视觉的多孔径结构 73
5．2．2　多孔径结构信息处理机理 74
5．3　仿蝇视觉多孔径结构的多光谱遥感图像异常检测 75
5．3．1　构建并行多孔径背景建模 76
5．3．2　异常如何标记更加合理 78
5．3．3　多孔径背景模型检测结果的融合 79
5．4　本章小结 81
第6章　基于高阶神经元模型的多光谱遥感图像微小异常目标检测 82
6．1 引言 83
6．2　高阶神经元模型 84
6．2．1　时空域高阶神经元模型 84
6．2．2　高阶神经元模型的生物学机理 87
6．3 多光谱遥感图像微小异常检测算法 89
6．3．1 谱像域的高阶神经元模型 89
6．3．2　微小异常目标检测算法设计 91
6．4　本章小结 96
第7章　基于震荡神经网络的多光谱遥感影像水体目标提取 97
7．1　引言 98
7．2　局部兴奋全局抑制震荡神经网络 99
7．2．1　同步震荡神经网络模型及特性分析 100
7．2．2　基于特征一致性的多光谱遥感影像边缘特征感知算法 102
7．3　联合NDWI与震荡神经网络的水体目标提取算法 105
7．3．1　联合NDWI与震荡神经网络的水体目标提取算法简介 106
7．3．2　联合特殊光谱关系与震荡神经网络的水体目标提取算法 109
7．3．3 实验结果及分析 110
7．3．4 收敛性的讨论 113
7．4　联合线性混合模型与震荡神经网络的水体目标提取算法 114
7．4．1　基于模糊判定的耦合权重 115
7．4．2　联合光谱分解与震荡神经网络的水体目标提取算法 117
7．4．3　实验研究及验证 118
7．5　本章小结 119
第8章　基于生物认知机理的视频图像目标检测技术 120
8．1　引言 121
8．2　仿生视觉的时空域特征提取 122
8．2．1　空域特征的提取 122
8．2．2　时域特征提取与修正 123
8．3　基于视觉认知机理的时空域特征交互 126
8．3．1　视觉认知机理 126
8．3．2　基于认知机理的时空与特征交互模式 126
8．3．3　基于认知机理的时空域特征交互算法 128
8．4　本章小结 135
结语 136
参考文献 138