利用独立成分分析的高光谱图像波段选择方法

被引：12

作者：

何元磊 ^{[1
]}

刘代志 ^{[1
]}

王静荔 ^{[2
]}

易世华 ^{[1
]}

机构：

[1] 第二炮兵工程学院

[2] 空军工程大学理学院

来源：

红外与激光工程 | 2012年 / 03期

关键词：

波段选择; 高光谱图像; 目标探测; 独立成分分析; 虚拟维;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

提出一种适合目标探测的基于独立成分分析(ICA)的高光谱图像波段选择方法。首先进行"虚拟维"(VD)估计以确定重要独立成分个数,同时对FastICA生成的独立成分排序,选择排序靠前的几个独立成分作为重要独立成分;再根据波段对重要独立成分的平均贡献量对波段排序;最后使用光谱相似性度量去除排序后的冗余波段,保证了最终波段子集含有较多的目标信息。对AVIRIS获取的两幅真实高光谱图像进行了目标探测实验,结果表明,文中方法优于另外两种基于二阶统计特性的波段选择方法,其选出的波段分别占据全部波段的12%和3%,目标探测算子自适应余弦估计(ACE)和自适应匹配滤波(AMF)其上的探测率较全波段分别提高了30%和15%。

引用

页码：818 / 824

页数：7

共 7 条

[1] 采用多分辨率分解的高光谱图像异常检测 [J].

张翔 ;

张建奇 ;

秦翰林 ;

刘德连 .

红外与激光工程, 2011, (03) :570-575

[2] 基于独立分量分析的高光谱图像目标检测算法 [J].

郑茂 ;

粘永健 ;

郑林华 .

信号处理, 2009, (12) :1912-1916

[3] 低维超平面结构在高光谱图像异常检测中的应用 [J].

李智勇 ;

郁文贤 .

红外与激光工程, 2009, 38 (02) :194-199

[4] 基于独立成分分析的高光谱图像数据降维及压缩 [J].

冯燕 ;

何明一 ;

宋江红 ;

魏江 .

电子与信息学报, 2007, (12) :2871-2875

[5] 多光谱、超光谱成像技术在军事上的应用 [J].

许洪 ;

王向军 .

红外与激光工程, 2007, (01) :13-17

[6]

Best bands selection for detection inhyperspectral processing .2 Nirmal Keshava. IEEE Int Conf on Acoustics,Speech,and Signal Processing . 2001

[7]

A CFAR algorithm foranomaly detection and discrimination in hyperspectralimages .2 Alexis Huck,Mireille Guillaume. 15th IEEE Int Conf on Image Processing . 2008

← 1 →