基于稀疏表示的高光谱目标检测算法研究进展

发布时间：2024-04-10 05:12

　　高光谱图像是一种具有空间信息和光谱信息的三维图像,具有"图谱合一"的特点。其光谱分辨率达到10 nm以下,图像中像元的光谱信息是近似连续的,由于光谱信息充分反映了地物的性质,因此,可以通过高光谱图像中的光谱信息对不同的地物进行区分,将图像中的占绝大部分的地物判定为背景、占小部分的判定为目标,这就是目标检测的含义。近年来,基于稀疏表示的算法被应用的目标检测领域中,与其他算法相比,不需要对数据统计模型进行假设,并且可以线性构建图像中像元数据,取得了较好的效果。介绍了稀疏表示算法的基本原理,并对近几年改进的稀疏表示算法进行梳理,分析了各算法的优缺点,最后对稀疏表示算法存在的不足进行总结,并对前景做出展望。

【文章页数】：7 页

【部分图文】：

图1待测像元及其4邻域像元

式中:D为完备字典，αi与αj分别表示两相邻像元xi与xj在完备字典中对应的系数向量。这两相邻像元具有很高的相似性，所使用的字典原子几乎一致，并且系数向量也差别不大。综合考虑待测像元及其4邻域像元，x1为待测像元，xi(i=2,3,4,5)为4邻域像元，如下图1所示:分别计算待测....

图2待测像元及其内外窗口

该算法用局部字典来代替全局字典来实现异常检测，局部稀疏差异指数包含局部光谱稀疏差异指数与局部空间稀疏差异指数。在双窗口模型中，通常情况下外窗要比内窗大得多，但也不能大于两个异常目标距离，内窗不应该小于异常目标尺寸。两个窗口都为奇数大小，中心点为待测像元。设内窗尺寸为win×win....

本文编号：3950205