高光譜圖像是一種具有空間信息和光譜信息的三維圖像,具有"圖譜合一"的特點。其光譜分辨率達到10 nm以下,圖像中像元的光譜信息是近似連續(xù)的,由于光譜信息充分反映了地物的性質(zhì),因此,可以通過高光譜圖像中的光譜信息對不同的地物進行區(qū)分,將圖像中的占絕大部分的地物判定為背景、占小部分的判定為目標,這就是目標檢測的含義。近年來,基于稀疏表示的算法被應(yīng)用的目標檢測領(lǐng)域中,與其他算法相比,不需要對數(shù)據(jù)統(tǒng)計模型進行假設(shè),并且可以線性構(gòu)建圖像中像元數(shù)據(jù),取得了較好的效果。介紹了稀疏表示算法的基本原理,并對近幾年改進的稀疏表示算法進行梳理,分析了各算法的優(yōu)缺點,最后對稀疏表示算法存在的不足進行總結(jié),并對前景做出展望。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1待測像元及其4鄰域像元

式中:D為完備字典，αi與αj分別表示兩相鄰像元xi與xj在完備字典中對應(yīng)的系數(shù)向量。這兩相鄰像元具有很高的相似性，所使用的字典原子幾乎一致，并且系數(shù)向量也差別不大。綜合考慮待測像元及其4鄰域像元，x1為待測像元，xi(i=2,3,4,5)為4鄰域像元，如下圖1所示:分別計算待測....

圖2待測像元及其內(nèi)外窗口

該算法用局部字典來代替全局字典來實現(xiàn)異常檢測，局部稀疏差異指數(shù)包含局部光譜稀疏差異指數(shù)與局部空間稀疏差異指數(shù)。在雙窗口模型中，通常情況下外窗要比內(nèi)窗大得多，但也不能大于兩個異常目標距離，內(nèi)窗不應(yīng)該小于異常目標尺寸。兩個窗口都為奇數(shù)大小，中心點為待測像元。設(shè)內(nèi)窗尺寸為win×win....

本文編號：3950205