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(8)

    1. 贾俊青,武文丽,蔡文超,杨洋,梁帅. 基于PSO的电气设备绝缘故障诊断系统设计. 电子设计工程. 2024(01): 77-81 . 百度学术
    2. 冯现永. 基于小波分析的图书馆电子阅览设备故障检测方法. 自动化与仪器仪表. 2021(02): 46-49 . 百度学术
    3. 赵洪山,张则言,孟航,张峻豪. 基于高压绝缘套管纹理特征的红外目标检测. 红外技术. 2021(03): 258-265 . 本站查看
    4. 蒋国清,万烂军. 基于最恰对比度显著性分析的红外弱小目标检测方法. 红外与激光工程. 2021(04): 265-272 . 百度学术
    5. 红外与激光工程. 红外与激光工程. 2021(04): 273 . 百度学术
    6. 张晓华,蔡巍,武宇平,吕志瑞,卢毅,孙云生,马鑫晟. 基于红外检测的变电站设备热状态诊断. 智慧电力. 2021(09): 109-116 . 百度学术
    7. 徐亚杰,王海星. 基于新特征算子的复杂背景红外弱目标检测算法. 国外电子测量技术. 2021(12): 7-11 . 百度学术
    8. 明勇,甘晓敏,杨帆. 基于时空域及高阶矩的红外弱目标检测算法. 国外电子测量技术. 2021(12): 1-6 . 百度学术

    其他类型引用(3)

计量
  • 文章访问数:  177
  • HTML全文浏览量:  15
  • PDF下载量:  10
  • 被引次数: 11
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭