融合微分重排与匹配的高光谱快速目标检测

论文摘要

为滤除大量冗余背景信息,提升目标检测速度,解决目标光谱获取困难等问题,提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先,对已知背景光谱信息微分重排,筛选出背景特征较少的谱段集;然后,计算相应谱段下,高光谱图像各像素点的光谱微分值与背景光谱微分值的差值,并对所得各谱段微分差值加权求和阈值化,粗提取出目标位置;最后,计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值,实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验,与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明,所提算法在保证检测精度的同时,具有较低的虚警率和较好的时效性:ROC曲线下面积AUC均高于0.98,虚警率分别为3%和1.6%,处理时间仅为0.36s和0.077s。

论文目录

文章来源

类型: 期刊论文

作者: 王含宇,杨名宇,王浩,孟令通,王檬檬

关键词: 光谱微分,光谱重排,光谱角匹配,快速目标检测,高光谱图像

来源: 液晶与显示 2019年08期

年度: 2019

分类: 基础科学,信息科技

专业: 物理学,计算机软件及计算机应用

单位: 中国科学院航空光学成像与测量重点实验室,中国科学院长春光学精密机械与物理研究所

基金: 国家重点研发计划(No.2017YFC0822403),吉林省技术攻关项目(No.20190303074SF)~~

分类号: TP391.41;O433

页码: 793-802

总页数: 10

文件大小: 655K

下载量: 81

相关论文文献

• [1].基于深度学习的高光谱图像分类算法[J]. 传感器与微系统 2020(07)
• [2].基于生成对抗网络的高光谱图像分类[J]. 计算机工程与应用 2019(22)
• [3].深度学习在高光谱图像分类领域的研究现状与展望[J]. 自动化学报 2018(06)
• [4].基于高光谱图像技术的水果表面农药残留检测观察[J]. 种子科技 2017(04)
• [5].高光谱图像技术在农产品监测中的应用进展[J]. 北京农业 2016(01)
• [6].粮油中高光谱图像技术的应用现状[J]. 粮食与饲料工业 2016(09)
• [7].基于核方法协同表示的高光谱图像分类[J]. 广西大学学报(自然科学版) 2019(05)
• [8].基于快速去噪和深度信念网络的高光谱图像分类方法[J]. 桂林电子科技大学学报 2016(06)
• [9].局部保护降维与高斯混合模型的高光谱图像分类[J]. 工业仪表与自动化装置 2017(04)
• [10].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(10)
• [11].高光谱图像技术在食品无损检测中的研究进展[J]. 食品工业科技 2012(15)
• [12].基于3D卷积联合注意力机制的高光谱图像分类[J]. 红外技术 2020(03)
• [13].高光谱图像分类方法研究进展[J]. 新产经 2020(04)
• [14].高光谱图像分类的研究进展[J]. 光学精密工程 2019(03)
• [15].基于空-谱加权总变分的高光谱图像混合噪声去除算法[J]. 德州学院学报 2017(04)
• [16].基于低秩结构提取的高光谱图像压缩表示[J]. 电子与信息学报 2016(05)
• [17].高光谱图像稀疏信息处理综述与展望[J]. 遥感学报 2016(05)
• [18].高光谱图像技术在水果无损检测中的研究进展[J]. 激光与红外 2013(09)
• [19].基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报 2020(02)
• [20].针对高光谱图像的目标分类方法现状与展望[J]. 激光与红外 2020(03)
• [21].基于鱼群算法的高光谱图像稀疏分解研究[J]. 计算机仿真 2020(01)
• [22].基于自适应主动学习与联合双边滤波的高光谱图像分类[J]. 计算机科学 2018(12)
• [23].浅谈高光谱图像融合方法[J]. 科技风 2019(16)
• [24].拉普拉斯约束低秩表示的高光谱图像异常检测[J]. 光谱学与光谱分析 2018(11)
• [25].基于焦点损失的半监督高光谱图像分类[J]. 计算机应用 2020(04)
• [26].基于空谱联合协同表征的高光谱图像分类算法[J]. 计算机工程与设计 2020(03)
• [27].基于关联规则的含噪高光谱图像分类系统[J]. 激光杂志 2018(12)
• [28].基于改进的局部保持投影高光谱图像分类研究[J]. 计算机应用研究 2017(08)
• [29].不变矩在高光谱图像空谱分类中的应用研究[J]. 小型微型计算机系统 2017(07)
• [30].基于谱聚类波段选择的高光谱图像分类[J]. 光电工程 2012(02)

标签：光谱微分论文;  光谱重排论文;  光谱角匹配论文;  快速目标检测论文;  高光谱图像论文;