《电子技术应用》
您所在的位置:首页 > 模拟设计 > 设计应用 > 基于背景字典构造的稀疏表示高光谱目标检测
基于背景字典构造的稀疏表示高光谱目标检测
2022年电子技术应用第1期
陶 洋,林飞鹏,杨 雯,翁 善
重庆邮电大学 通信与信息工程学院,重庆400065
摘要: 针对现有基于稀疏表示的目标检测算法采用同心双窗口构建背景字典的过程中,目标像元将会对背景字典产生干扰的问题,提出基于背景字典构造的稀疏表示高光谱目标检测算法。该算法将高光谱图像分解成低秩背景和稀疏目标,引入目标字典作为稀疏目标的先验信息,更好地分离目标和背景,构建纯净背景字典。通过在4个公开高光谱图像数据集上仿真分析,证明所提出的算法具有出色的检测性能。
中图分类号: TN10
文献标识码: A
DOI:10.16157/j.issn.0258-7998.211420
中文引用格式: 陶洋,林飞鹏,杨雯,等. 基于背景字典构造的稀疏表示高光谱目标检测[J].电子技术应用,2022,48(1):124-128.
英文引用格式: Tao Yang,Lin Feipeng,Yang Wen,et al. Background dictionary construction-based sparse representation hyperspectral target detection[J]. Application of Electronic Technique,2022,48(1):124-128.
Background dictionary construction-based sparse representation hyperspectral target detection
Tao Yang,Lin Feipeng,Yang Wen,Weng Shan
School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications, Chongqing 400065,China
Abstract: Aiming at the existing target detection algorithms based on sparse representation, in the process of building the background dictionary with concentric double windows, the target pixels will interfere with the background dictionary. A sparse representation hyperspectral target detection algorithm based on background dictionary is proposed. The algorithm decomposes the hyperspectral image into low rank background and sparse target, and introduces the target dictionary as the prior information of sparse target, which can separate the target and background better and construct a pure background dictionary. Simulation results on four public hyperspectral image datasets show that the proposed algorithm has excellent detection performance.
Key words : hyperspectral image;sparse representation;binary-class;target dictionary;low-rank

0 引言

    高光谱图像目标检测是一个典型的二分类问题,目的是将图像中的每个像素标记为目标或背景[1],被广泛应用于军事、农业、矿物等领域[2]

    经典的目标检测算法包括约束能量最小化(Constrained Energy Minimization,CEM)[3]、自适应一致余弦估计(Adaptive Coherence Estimator,ACE)[4]。但是经典算法有效性都依赖于对统计模型的假设,现实场景中不能保证一定成立。近些年来,稀疏表示在高光谱领域也得到了很好的发展,研究人员相继提出了基于稀疏表示(Sparse Representation for Target Detection,STD)[5]以及基于二元假设稀疏表示的目标检测(Sparse Representation-Based Binary Hypothesis,SRBBH)[6]。最近,有人提出了一种基于单频谱驱动的二分类稀疏表示检测器[7]




本文详细内容请下载:。




作者信息:

陶  洋,林飞鹏,杨  雯,翁  善

(重庆邮电大学 通信与信息工程学院,重庆400065)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
久久精品免费影视 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>