一种新的空谱联合稀疏高光谱目标检测方法

被引：6

作者：

宋义刚 ^{[1
]}

吴泽彬 ^{[1
,2
,3
]}

孙乐 ^{[1
]}

刘建军 ^{[1
]}

韦志辉 ^{[1
,3
]}

机构：

[1] 南京理工大学计算机科学与工程学院

[2] 南京理工大学连云港研究院

[3] 江苏省光谱成像与智能感知重点实验室

来源：

兵工学报 | 2014年 / 35卷 / 06期

基金：

高等学校博士学科点专项科研基金;

关键词：

信息处理技术; 高光谱图像; 目标检测; 混合范数; 联合稀疏性; 交替方向乘子法;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

目标检测是高光谱数据处理的重要应用之一,高光谱图像中空间和光谱信息的充分利用对于目标检测率的有效提升非常关键。提出一种新的联合稀疏表示的目标检测方法,将混合范数理论和算法应用于高光谱目标检测,在联合高光谱图像空间和光谱信息的基础上,建立了基于联合稀疏性约束的混合范数正则化数学模型,并利用交替方向乘子法对模型进行了优化求解。仿真实验结果表明,该方法能有效提高高光谱目标检测的准确性,降低虚警率。

引用

页码：834 / 841

页数：8

共 8 条

[1] 空间4-邻域稀疏表示的高光谱图像目标检测 [J].

赵春晖 ;

李晓慧 ;

朱海峰 .

哈尔滨工程大学学报, 2013, 34 (09) :1171-1178

[2] 结合光谱解混的高光谱图像异常目标检测SVDD算法 [J].

成宝芝 ;

赵春晖 ;

王玉磊 .

应用科学学报, 2012, 30 (01) :82-88

[3] 采用选择性分段PCA算法的高光谱图像异常检测 [J].

赵春晖 ;

胡春梅 ;

石红 .

哈尔滨工程大学学报, 2011, 32 (01) :109-113

[4] 核加权RX高光谱图像异常检测算法 [J].

赵春晖 ;

李杰 ;

梅锋 .

红外与毫米波学报, 2010, 29 (05) :378-382

[5] 一种改进的高光谱图像中多小目标检测算法 [J].

尹继豪 ;

王艳 ;

王义松 .

电子学报, 2010, 38 (09) :1975-1978

[6] 高光谱图像目标检测研究进展 [J].

贺霖 ;

潘泉 ;

邸韡 ;

李远清 .

电子学报, 2009, 37 (09) :2016-2024

[7] Improved sparse representation using adaptive spatial support for effective target detection in hyperspectral imagery [J].

Zhao, Chunhui ;

Li, Xiaohui ;

Ren, Jinchang ;

Marshall, Stephen .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2013, 34 (24) :8669-8684

[8]

A training algorithm for optimal margin classifiers .2 Boser B E,Guyon I M,Vapnik V N. Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory . 1992

← 1 →