空谱联合的核光谱角异常检测及GPU实现

发布时间：2018-03-21 11:47

  本文选题：高光谱图像　切入点：异常检测　出处：《哈尔滨工程大学学报》2017年09期 　论文类型：期刊论文

【摘要】：针对高光谱图像空间信息利用不充分影响检测性能的问题,本文提出结合高光谱图像空间信息与光谱信息的异常目标检测算法。该算法无需假设背景模型,通过计算待检测像元与其空间邻域像元的核光谱角累加和,初步得到每个像元的异常程度。利用扩展形态学的腐蚀操作进行异常修正,有效去除噪声干扰,并降低虚警率,从而得到最终的异常检测结果。为提高算法的执行效率,本文进一步提出了基于GPU/CUDA模型下的并行优化处理方法。通过仿真实验证明,该算法在保证较高检测精度的同时,充分利用GPU的并行特性,明显缩减了检测时间。
[Abstract]:Aiming at the problem that the insufficient use of spatial information in hyperspectral images affects the detection performance, this paper proposes an algorithm for detecting abnormal targets based on spatial and spectral information of hyperspectral images. By calculating the sum of the nuclear spectral angles between the pixels to be detected and their spatial neighbors, the anomalous degree of each pixel is preliminarily obtained. The abnormal correction is carried out by using the corrosion operation of extended morphology to effectively remove the noise interference and reduce the false alarm rate. In order to improve the efficiency of the algorithm, a parallel optimization method based on GPU/CUDA model is proposed in this paper. The simulation results show that the algorithm not only ensures high detection accuracy, but also improves the efficiency of the algorithm. Taking full advantage of the parallelism of GPU, the detection time is obviously reduced.
【作者单位】： 哈尔滨工程大学信息与通信工程学院;
【基金】：国家自然科学基金项目(61405041,61571145) 黑龙江省自然科学基金重点项目(ZD201216) 哈尔滨市优秀学科带头人基金项目(RC2013XK009003)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 王庆国;黄敏;朱启兵;孙群;;基于高光谱图像的玉米种子产地与年份鉴别[J];食品与生物技术学报;2014年02期

2 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期

3 徐爽;何建国;马瑜;梁慧琳;刘贵珊;贺晓光;;高光谱图像技术在水果品质检测中的研究进展[J];食品研究与开发;2013年10期

4 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

5 陈雷;张晓林;刘荣科;雷志东;;光谱去相关技术在高光谱图像小波压缩中的应用[J];光谱学与光谱分析;2010年06期

6 孙洁;周立俭;;遗传模块化神经网络的航空高光谱赤潮监测[J];计算机仿真;2012年05期

7 苏令华;衣同胜;万建伟;;基于独立分量分析的高光谱图像压缩[J];光子学报;2008年05期

8 赵桂林;朱启兵;黄敏;;高光谱的有监督Isomap-SVM苹果粉质化分类[J];激光与光电子学进展;2011年10期

9 吴瑞梅;吴彦红;艾施荣;刘木华;赵杰文;严霖元;;茶叶外形品质的高光谱图像量化分析[J];江西农业大学学报;2013年02期

10 艾施荣;吴瑞梅;吴彦红;严霖元;;利用高光谱图像技术鉴别庐山云雾茶产地[J];江西农业大学学报;2014年02期

相关会议论文 前1条

1 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

相关博士学位论文 前10条

1 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

2 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

3 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

4 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

5 高放;高光谱图像无损预测压缩技术研究[D];吉林大学;2016年

6 叶志京;面向高光谱图像空谱分类的学习算法研究[D];华中科技大学;2016年

7 魏利峰;玉米种子高光谱图像品种检测方法研究[D];沈阳农业大学;2017年

8 陈雨时;基于光谱特性的高光谱图像压缩方法研究[D];哈尔滨工业大学;2007年

9 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年

10 肖光润;基于函数型数据分析的高光谱图像分类研究[D];华中科技大学;2014年

相关硕士学位论文 前10条

1 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

2 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

3 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

4 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

5 刘攀;基于非负矩阵分解的高光谱图像特征提取与分类算法研究[D];哈尔滨工业大学;2015年

6 赵宗然;快速无损高光谱图像压缩算法的研究[D];哈尔滨工业大学;2015年

7 王丹枫;基于在线字典学习的高光谱图像压缩技术研究[D];哈尔滨工业大学;2015年

8 任宇;基于空谱结构性挖掘的高光谱图像分类方法研究[D];西安电子科技大学;2014年

9 胡子帆;基于分类DCT的高光谱有损压缩算法研究[D];西安电子科技大学;2014年

10 宋强;基于半监督学习的高光谱图像分类方法研究[D];西安电子科技大学;2014年

，

本文编号：1643718