本文選題：目標探測 + 相關(guān)系數(shù)��； 參考：《激光與紅外》2016年01期

【摘要】：高光譜遙感影像具有高的空間分辨率和連續(xù)的光譜信息,在目標探測領(lǐng)域具有獨特的優(yōu)勢�；诟吖庾V影像的目標探測技術(shù)是遙感理論與應(yīng)用的重要領(lǐng)域之一。本文從統(tǒng)計學(xué)中的相關(guān)系數(shù)的概念出發(fā),提出了基于約束最大相關(guān)系數(shù)的高光譜影像目標探測算法。利用高光譜影像的線性混合模型,在真實圖像中添加目標光譜,獲得不同含量的亞像素目標及大目標,利用實驗室高光譜成像儀對大目標進行推掃成像獲取真實大目標高光譜影像。對仿真圖像與真實圖像進行約束能量最小化算子和約束最大相關(guān)系數(shù)算子進行對比,實驗結(jié)果表明,基于約束最大相關(guān)系數(shù)的高光譜影像目標探測算法在探測大目標中具有更穩(wěn)健的探測性能。
[Abstract]:Hyperspectral remote sensing images with high spatial resolution and continuous spectral information have unique advantages in the field of target detection. Target detection based on hyperspectral image is one of the important fields of remote sensing theory and application. Based on the concept of correlation coefficient in statistics, an algorithm for target detection in hyperspectral images based on constrained maximum correlation coefficients is proposed in this paper. Using the linear mixed model of hyperspectral image, the target spectrum is added to the real image, and the sub-pixel target and large target with different content are obtained. The hyperspectral images of real large targets are obtained by push-scan imaging with laboratory hyperspectral imagers. The constrained energy minimization operator and the constrained maximum correlation coefficient operator are compared between the simulation image and the real image. The experimental results show that, The hyperspectral image target detection algorithm based on constrained maximum correlation coefficient has more robust detection performance in detecting large targets.
【作者單位】： 西安石油大學(xué)計算機學(xué)院;中國科學(xué)院西安光學(xué)精密機械研究所光譜成像重點實驗室;中國人民武裝警察部隊工程大學(xué);天津工業(yè)大學(xué)電子信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(No.41301382;No.41301480;No.61401439) 教育部人文社會科學(xué)研究青年基金項目(No.14YJCZH172) 江蘇省自然基金項目(No.20142BAB207007) 西安石油大學(xué)創(chuàng)新基金項目(No.YS29031606)資助
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 甘甫平;王潤生;;高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J];國土資源遙感;2007年04期

2 余旭初;楊國鵬;馮伍法;周欣;;基于簡約集支持向量機的高光譜影像分類[J];計算機科學(xué);2010年11期

3 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年03期

4 楊可明;陳云浩;郭達志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學(xué)報;2008年01期

5 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

6 楊可明;李慧;郭達志;;基于最佳小波包基的高光譜影像特征制圖[J];測繪學(xué)報;2008年01期

7 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機的高光譜影像分類研究[J];計算機工程與設(shè)計;2008年08期

8 董超;趙慧潔;;關(guān)聯(lián)向量機在高光譜影像分類中的應(yīng)用[J];遙感學(xué)報;2010年06期

9 馮海亮;潘競文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[J];計算機科學(xué);2014年S1期

10 杜輝強;舒寧;;高光譜影像能量邊緣提取[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年02期

相關(guān)會議論文 前4條

1 于美嬌;董廣軍;張永生;紀松;楊靖宇;;一種基于極大后驗估計的高光譜影像分辨率增強方法[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標提取[A];中國地震學(xué)會空間對地觀測專業(yè)委員會2013年學(xué)術(shù)研討會論文摘要集[C];2013年

4 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學(xué)院博士后學(xué)術(shù)年會暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會議程序冊[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 楊國鵬;基于機器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

，

本文編號：1924632