1、本文針對(duì)風(fēng)車(chē)位置探測(cè)這一實(shí)際問(wèn)題，對(duì)多光譜遙感圖像目標(biāo)檢測(cè)算法展開(kāi)研究，少量存在的風(fēng)車(chē)為待檢測(cè)目標(biāo)?，F(xiàn)有異常檢測(cè)算法LRX與BRX各有優(yōu)勢(shì)，但在復(fù)雜背景下檢測(cè)性能不佳，對(duì)不同區(qū)域無(wú)法同時(shí)得到較好的檢測(cè)效果。本文待檢測(cè)目標(biāo)相對(duì)整幅圖像面積小、數(shù)量少，并且分布位置具有一定的規(guī)律性，現(xiàn)有檢測(cè)算法僅考慮了像元本身光譜特征，未充分利用目標(biāo)場(chǎng)景特征及其空間結(jié)構(gòu)特征，使目標(biāo)風(fēng)車(chē)難以得到有效的檢測(cè)。
　　針對(duì)以上問(wèn)題，本文對(duì)異常檢測(cè)算法及目標(biāo)提取

2、方法從以下幾方面展開(kāi)研究工作。
　　(1)對(duì)傳統(tǒng)RX異常檢測(cè)算法及相關(guān)改進(jìn)算法LRX、BRX進(jìn)行了實(shí)驗(yàn)對(duì)比分析，提出本文改進(jìn)算法SWRX。首先對(duì)圖像進(jìn)行分塊處理，通過(guò)對(duì)圖像子塊的特征描述判定該子塊是否為干擾塊，進(jìn)而選擇合適的檢測(cè)方法進(jìn)行檢測(cè);
　　(2)從目標(biāo)所處場(chǎng)景區(qū)域的角度出發(fā)，將地物分類(lèi)思想引入至目標(biāo)檢測(cè)中，先對(duì)圖像進(jìn)行分塊處理，用傳統(tǒng)灰度共生矩陣方法提取圖像子塊的紋理特征，并以此作為分塊準(zhǔn)則進(jìn)行四叉樹(shù)分塊，設(shè)置合適閾

3、值壓制背景區(qū)域、保留目標(biāo)區(qū)域;
　　(3)從目標(biāo)點(diǎn)空間位置關(guān)系的角度出發(fā)，分析其空間結(jié)構(gòu)特征，提出基于空間結(jié)構(gòu)特征的目標(biāo)提取方法，同時(shí)加入方向和距離信息，對(duì)符合要求的目標(biāo)點(diǎn)進(jìn)行提取，得到最終檢測(cè)結(jié)果。
　　最后，選取多光譜圖像上目標(biāo)分布密集、具有代表性的4個(gè)區(qū)域進(jìn)行實(shí)驗(yàn)，詳細(xì)記錄實(shí)驗(yàn)結(jié)果并進(jìn)行對(duì)比分析，從檢測(cè)率、虛警率、正確率、錯(cuò)分漏分之和及ROC曲線等評(píng)價(jià)指標(biāo)進(jìn)行對(duì)文中各個(gè)檢測(cè)算法的檢測(cè)性能進(jìn)行綜合評(píng)價(jià)，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文