子空间稀疏表示高光谱异常检测新算法

发布时间：2018-05-11 07:46

  本文选题：高光谱图像 + 异常目标检测　； 参考：《哈尔滨工程大学学报》2017年04期

【摘要】：针对基于稀疏表示的高光谱异常目标检测新算法精度低的问题,提出了一种子空间稀疏表示的高光谱图像异常目标检测算法。该算法利用粒子群优化模糊C-均值聚类方法,在不改变高光谱图像光谱和空间特征的基础上,使得原始高光谱图像中具有相似特性的波段归为一类,从而将整个高光谱图像分为若干个波段子空间;利用光谱和空间协同加权稀疏差异指数公式对每一个子空间进行异常目标检测;对每个子空间的检测结果进行叠加,得到最终异常目标检测结果。利用真实的AVIRIS高光谱图像对算法进行仿真分析,结果表明该算法有较好的异常检测性能,检测精度高、虚警率低。
[Abstract]:In order to solve the problem of low accuracy of the new algorithm of hyperspectral anomaly target detection based on sparse representation, a subspace sparse representation algorithm for abnormal target detection in hyperspectral images is proposed. Based on the particle swarm optimization fuzzy C-means clustering method and without changing the spectral and spatial characteristics of hyperspectral images, the bands with similar characteristics in the original hyperspectral images are classified as a class. Thus the whole hyperspectral image is divided into several band subspaces; each subspace is detected by spectral and spatial synergistic weighted sparse difference index formula; the detection results of each subspace are superposed. Finally, the detection results of abnormal targets are obtained. The real AVIRIS hyperspectral image is used to simulate the algorithm. The results show that the algorithm has good detection performance, high detection accuracy and low false alarm rate.
【作者单位】： 哈尔滨工程大学计算机科学与技术学院;大庆师范学院机电工程学院;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(61571145) 黑龙江省博士后基金项目(LBH-Z14062) 大庆市指导性科技计划(ZD-2016-052) 大庆师范学院博士基金项目(14ZR07)
【分类号】：TP751

【相似文献】

相关期刊论文 前9条

1 金炜;符冉迪;叶明;;过完备字典稀疏表示的云图超分辨率算法[J];遥感学报;2012年02期

2 宋相法;焦李成;;基于稀疏表示及光谱信息的高光谱遥感图像分类[J];电子与信息学报;2012年02期

3 刘建军;吴泽彬;韦志辉;肖亮;孙乐;;基于空间相关性约束稀疏表示的高光谱图像分类[J];电子与信息学报;2012年11期

4 秦振涛;杨武年;潘佩芬;;基于稀疏表示和自适应字典学习的“高分一号”遥感图像去噪[J];光电工程;2013年09期

5 殷飞;焦李成;;基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别[J];模式识别与人工智能;2012年01期

6 赵春晖;李晓慧;朱海峰;;空间4-邻域稀疏表示的高光谱图像目标检测[J];哈尔滨工程大学学报;2013年09期

7 ;北方工业大学学报第25卷2013年总目次[J];北方工业大学学报;2013年04期

8 王雷;金炜;何艳;;采用冗余字典稀疏表达的红外与水汽云图融合[J];宁波大学学报(理工版);2014年03期

9 ;[J];;年期

相关会议论文 前1条

1 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

相关博士学位论文 前3条

1 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

2 黎胜亮;压缩感知遥感视频成像理论与方法研究[D];国防科学技术大学;2014年

3 李涛;遥感影像稀疏表示中的字典学习算法及其应用[D];华中科技大学;2015年

相关硕士学位论文 前9条

1 程丹丹;基于自适应稀疏表示的振动信号压缩采样研究与应用[D];宁波大学;2015年

2 查方兴;基于稀疏表示和空间约束的高光谱遥感图像分类方法研究[D];西安电子科技大学;2014年

3 周千琪;基于稀疏表示和半监督主动学习的小样本高光谱数据分类问题研究[D];北方民族大学;2016年

4 刘佳彬;基于稀疏表示的高光谱图像分类和异常检测研究[D];北京化工大学;2016年

5 云智强;高光谱遥感图像的稀疏表示分类方法研究[D];西安电子科技大学;2015年

6 郝晓婷;基于学习字典稀疏表示的遥感图像分类算法研究与应用[D];北方民族大学;2014年

7 付欢;高光谱图像的稀疏表示和压缩算法研究[D];河北大学;2014年

8 王莎;自适应优化稀疏表示的遥感图像压缩重构研究[D];浙江大学;2014年

9 步晓亮;基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究[D];上海交通大学;2012年

，

本文编号：1873052