● 摘要
随着计算机相关科学的飞速发展，基于遥感图像的目标检测技术被越来越多地应用在各种民用、军用领域，例如灾害搜救、机场管理、交通管制、军事测绘侦察等。在遥感目标检测领域，高光谱和可见光图像是两种被广泛研究的数据源。高光谱目标检测算法通过分析物体的光谱特征达到目标检测和分类的目的；可见光目标检测算法则提取并分析物体的形状、纹理等空间信息来区分目标和背景。针对这两种不同数据源的目标检测问题已有多种不同方法被提出，然而这两类算法之间的关联关系却很少被提及，两类算法之间的交叉应用也缺少深入的研究。此外，现有方法大多假设待检测目标的训练样本充足并利用监督学习的框架检测感兴趣目标，但是对于样本严重不足甚至只有单个样本的特殊情况，这类算法往往不能进行有效的训练。
针对上述问题，本文对可见光目标检测算法进行了研究，并实现了高光谱异常检测算法在可见光图像中的交叉应用。我们首先将可见光邻域像素进行变换，把可见光图像变换为一种光谱形式的数据。在这种数据中，像素灰度值分布由原始的一维映射到高维，增加了目标和背景的分离性。更重要的是这种形式的图像能更好的表征数据，有利于图像的后续处理。在此基础上，我们把一种高光谱异常检测算法引入到可见光目标检测，通过寻找数据中异常的数据光谱筛选出目标的候选区域，该算法在飞机、舰船和车辆等目标检测中取得了不错的结果。在后处理阶段，我们深入分析舰船目标的特殊形状，在圆周频率滤波器的基础上提出一种不依赖于图像梯度的特征，该特征可以作为方向梯度直方图特征的有力补充，使得融合后特征对舰船和海浪有更强的分辨能力。
此外，我们研究了样本极少情况下的目标检测问题，并且在一种高光谱检测算法的基础上提出了一种免于训练的单样本目标检测算法。首先，我们提取图像的局部自适应回归核特征，生成特征光谱数据。这种特征没有归一化过程，包含更多信息，相比于经过归一化的特征（如梯度方向直方图），它更适于单样本检测的算法特点。之后，对于生成的特征光谱数据，我们结合一种高光谱目标检测算法，通过寻找保持目标、压制背景的最优投影方向，搜索图像中的目标。该算法在真实图像数据上的检测结果优于基于相关性和距离测度的算法，并且在飞机、舰船的检测，特别是形状特殊的战斗机检测问题中，都取得了良好的效果。