高光谱图像高维多尺度自回归有监督检测

被引：5

作者：

贺霖 ^{[1
]}

潘泉 ^{[2
]}

邸韡 ^{[3
]}

李远清 ^{[1
]}

机构：

[1] 华南理工大学自动化科学与工程学院

[2] 西北工业大学自动化学院

[3] 普度大学西拉法叶校区遥感应用实验室

来源：

自动化学报 | 2009年 / 35卷 / 05期

基金：

广东省自然科学基金; 高等学校博士学科点专项科研基金; 国家自然科学基金重点项目;

关键词：

高光谱图像; 高维多尺度自回归; 有监督检测; 区域目标;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

给出一种有监督检测算法以检测高光谱图像中的区域目标.为利用高光谱图像中的空间尺度维信息,在高光谱图像多尺度观测不同相连节点之间建立高维多尺度自回归模型,并利用四叉树节点间的多阶马尔可夫性和高维多尺度回归噪声先验概率密度与高维观测条件概率密度的等价性及其多元t分布特性,构造出适用于检测高光谱图像中区域目标的空间多尺度自回归有监督检测算法.理论分析及实验中的5种评价方法的结果均表明该检测器可有效检测出高光谱图像中的目标区域.

引用

页码：509 / 518

页数：10

共 7 条

[1] 自适应结构化背景和形状特征子空间高光谱图像多类目标检测
贺霖
潘泉
邸韡
[J]. 红外与毫米波学报, 2007, (05) : 353 - 358
[2] 量测重构线性混合模型高光谱图像目标检测
贺霖
潘泉
赵永强
[J]. 电子学报, 2007, (01) : 23 - 27
[3] 基于子空间投影的未知背景航拍高光谱图像恒虚警目标检测
贺霖
潘泉
赵永强
郑纪伟
[J]. 航空学报, 2006, (04) : 657 - 662
[4] Anomaly detection in hyperspectral imagery based on maximum entropy and nonparametric estimation
He, Lin
Pan, Quan
Di, Wei
Li, Yuanqing
[J]. PATTERN RECOGNITION LETTERS, 2008, 29 (09) : 1392 - 1403
[5] ML estimation of the multivariate t distribution and the EM algorithm
Liu, CH
[J]. JOURNAL OF MULTIVARIATE ANALYSIS, 1997, 63 (02) : 296 - 312
[6] Semi-supervised Learning .2 Chapelle O,Sch lkopf B,Zien A. MIT Press . 2006
[7] Kernel matched subspace detectors for hyperspectral target detection .2 Heesung Kwon,Nasser M Nasrabadi. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2006

← 1 →