本文選題：高光譜圖像　切入點：快速目標檢測　出處：《黑龍江大學(xué)自然科學(xué)學(xué)報》2017年01期

【摘要】：在高光譜圖像目標檢測領(lǐng)域中,稀疏表示算法取得了較好的檢測效果,但傳統(tǒng)基于稀疏表示的目標檢測算法稀疏向量的求解耗時長,檢測時只利用高光譜圖像的光譜信息,沒有考慮空間信息,且其字典中所包含訓(xùn)練樣本種類和數(shù)目較少,都對目標檢測有一定影響。針對上述不足,通過對字典進行改進,添加空間信息,轉(zhuǎn)變稀疏向量求解思路,提出基于稀疏表示的高光譜圖像增殖快速目標檢測算法。通過實驗仿真證明,此算法在目標檢測精度上有一定程度的提高,并且縮短了算法的運算時間。
[Abstract]:In the field of target detection in hyperspectral images, sparse representation algorithm has achieved good detection results, but the traditional sparse representation based target detection algorithm takes a long time to solve sparse vector, and only the spectral information of hyperspectral image is used in detection.Spatial information is not taken into account, and its dictionary contains less types and numbers of training samples, which has a certain effect on target detection.In view of the above shortcomings, by improving the dictionary, adding spatial information and changing the idea of sparse vector solution, a fast target detection algorithm based on sparse representation for hyperspectral image multiplication is proposed.The experimental results show that the algorithm improves the precision of target detection to some extent and shortens the computation time of the algorithm.
【作者單位】： 哈爾濱工程大學(xué)信息與通信工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61405041,61571145) 黑龍江省自然科學(xué)基金重點資助項目(ZD201216) 哈爾濱市優(yōu)秀學(xué)科帶頭人基金資助項目(RC2013XK009003)
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學(xué)習(xí)[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年01期

2 鄭軼;蔡體健;;稀疏表示的人臉識別及其優(yōu)化算法[J];華東交通大學(xué)學(xué)報;2012年01期

3 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學(xué)習(xí)算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2012年04期

4 張佳宇;彭力;;基于聯(lián)合動態(tài)稀疏表示方法的多圖像人臉識別算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2014年03期

5 查長軍;孫南;張成;韋穗;;基于稀疏表示的特定目標識別[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年01期

6 朱啟兵;楊寶;黃敏;;基于核映射稀疏表示分類的軸承故障診斷[J];振動與沖擊;2013年11期

7 王國權(quán);張揚;李彥鋒;王麗芬;馬曉梅;;一種基于稀疏表示的圖像去噪算法[J];工業(yè)儀表與自動化裝置;2013年05期

8 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報;2011年08期

9 翟懿奎;甘俊英;徐穎;曾軍英;;快速稀疏表示指背關(guān)節(jié)紋識別及其并行實現(xiàn)[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年S1期

10 詹永照;張珊珊;成科揚;;基于非線性可鑒別的稀疏表示視頻語義分析方法[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2013年06期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1716979