基于稀疏表示分步重构算法的高光谱目标检测

廖佳俊, 刘志刚, 姜江军, 路志勇

廖佳俊, 刘志刚, 姜江军, 路志勇. 基于稀疏表示分步重构算法的高光谱目标检测[J]. 红外技术, 2016, 38(8): 699-704.
引用本文: 廖佳俊, 刘志刚, 姜江军, 路志勇. 基于稀疏表示分步重构算法的高光谱目标检测[J]. 红外技术, 2016, 38(8): 699-704.
LIAO Jiajun, LIU Zhigang, JIANG Jiangjun, LU Zhiyong. Target Detection in Hyperspectral Image Using Two Steps Reconstruction Based on Sparse Representation[J]. Infrared Technology , 2016, 38(8): 699-704.
Citation: LIAO Jiajun, LIU Zhigang, JIANG Jiangjun, LU Zhiyong. Target Detection in Hyperspectral Image Using Two Steps Reconstruction Based on Sparse Representation[J]. Infrared Technology , 2016, 38(8): 699-704.

基于稀疏表示分步重构算法的高光谱目标检测

基金项目: 国家自然科学基金项目(41574008)。
详细信息
  • 中图分类号: TP75

Target Detection in Hyperspectral Image Using Two Steps Reconstruction Based on Sparse Representation

  • 摘要: 针对传统稀疏表示重构算法在高光谱目标检测中表现出运算速度慢的问题,提出了分步重构算法(Two Steps Reconstruction,TSR)。该方法先求得 K 个与待测像元最相似的字典原子,然后用这些原子线性表示待测像元以求解稀疏向量,舍弃了传统重构算法的迭代求解的方式,直接通过求解逆矩阵,简化了运算过程,使运算速度大幅提高。本文给出了方法的具体过程并将其与传统方法及其改进方法进行比较。实验结果表明,TSR 在保证检测精度不下降的同时能够大幅提升运算速度。
  • 期刊类型引用(3)

    1. 孔艳,王保云,何苗. 联合矩阵低秩逼近和稀疏表示的高分辨率遥感影像目标识别方法. 光学技术. 2018(03): 291-299 . 百度学术
    2. 杨磊,苏令华,吴宝刚,王宝海,栗铁桩. 一种结合CEM的高光谱遥感影像目标检测算法. 重庆理工大学学报(自然科学). 2017(12): 146-150+172 . 百度学术
    3. 李恪,姚崇斌,徐红新,谢宝蓉,尚吉扬. 一种改进的星上高光谱异常检测算法研究. 上海航天. 2017(03): 47-51 . 百度学术

    其他类型引用(1)

计量
  • 文章访问数:  172
  • HTML全文浏览量:  15
  • PDF下载量:  10
  • 被引次数: 4
出版历程

目录

    /

    返回文章
    返回