本文選題：高光譜圖像　切入點：異常檢測　出處：《哈爾濱工程大學(xué)學(xué)報》2017年09期 　論文類型：期刊論文

【摘要】：針對高光譜圖像空間信息利用不充分影響檢測性能的問題,本文提出結(jié)合高光譜圖像空間信息與光譜信息的異常目標(biāo)檢測算法。該算法無需假設(shè)背景模型,通過計算待檢測像元與其空間鄰域像元的核光譜角累加和,初步得到每個像元的異常程度。利用擴(kuò)展形態(tài)學(xué)的腐蝕操作進(jìn)行異常修正,有效去除噪聲干擾,并降低虛警率,從而得到最終的異常檢測結(jié)果。為提高算法的執(zhí)行效率,本文進(jìn)一步提出了基于GPU/CUDA模型下的并行優(yōu)化處理方法。通過仿真實驗證明,該算法在保證較高檢測精度的同時,充分利用GPU的并行特性,明顯縮減了檢測時間。
[Abstract]:Aiming at the problem that the insufficient use of spatial information in hyperspectral images affects the detection performance, this paper proposes an algorithm for detecting abnormal targets based on spatial and spectral information of hyperspectral images. By calculating the sum of the nuclear spectral angles between the pixels to be detected and their spatial neighbors, the anomalous degree of each pixel is preliminarily obtained. The abnormal correction is carried out by using the corrosion operation of extended morphology to effectively remove the noise interference and reduce the false alarm rate. In order to improve the efficiency of the algorithm, a parallel optimization method based on GPU/CUDA model is proposed in this paper. The simulation results show that the algorithm not only ensures high detection accuracy, but also improves the efficiency of the algorithm. Taking full advantage of the parallelism of GPU, the detection time is obviously reduced.
【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)基金項目(61405041,61571145) 黑龍江省自然科學(xué)基金重點項目(ZD201216) 哈爾濱市優(yōu)秀學(xué)科帶頭人基金項目(RC2013XK009003)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王慶國;黃敏;朱啟兵;孫群;;基于高光譜圖像的玉米種子產(chǎn)地與年份鑒別[J];食品與生物技術(shù)學(xué)報;2014年02期

2 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學(xué)學(xué)報(自然科學(xué)版);2012年02期

3 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

4 張綺瑋;機(jī)載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

5 陳雷;張曉林;劉榮科;雷志東;;光譜去相關(guān)技術(shù)在高光譜圖像小波壓縮中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年06期

6 孫潔;周立儉;;遺傳模塊化神經(jīng)網(wǎng)絡(luò)的航空高光譜赤潮監(jiān)測[J];計算機(jī)仿真;2012年05期

7 蘇令華;衣同勝;萬建偉;;基于獨立分量分析的高光譜圖像壓縮[J];光子學(xué)報;2008年05期

8 趙桂林;朱啟兵;黃敏;;高光譜的有監(jiān)督Isomap-SVM蘋果粉質(zhì)化分類[J];激光與光電子學(xué)進(jìn)展;2011年10期

9 吳瑞梅;吳彥紅;艾施榮;劉木華;趙杰文;嚴(yán)霖元;;茶葉外形品質(zhì)的高光譜圖像量化分析[J];江西農(nóng)業(yè)大學(xué)學(xué)報;2013年02期

10 艾施榮;吳瑞梅;吳彥紅;嚴(yán)霖元;;利用高光譜圖像技術(shù)鑒別廬山云霧茶產(chǎn)地[J];江西農(nóng)業(yè)大學(xué)學(xué)報;2014年02期

相關(guān)會議論文 前1條

1 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 魏然;基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

4 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實現(xiàn)[D];成都理工大學(xué);2015年

5 高放;高光譜圖像無損預(yù)測壓縮技術(shù)研究[D];吉林大學(xué);2016年

6 葉志京;面向高光譜圖像空譜分類的學(xué)習(xí)算法研究[D];華中科技大學(xué);2016年

7 魏利峰;玉米種子高光譜圖像品種檢測方法研究[D];沈陽農(nóng)業(yè)大學(xué);2017年

8 陳雨時;基于光譜特性的高光譜圖像壓縮方法研究[D];哈爾濱工業(yè)大學(xué);2007年

9 石吉勇;基于高光譜圖像技術(shù)的設(shè)施栽培作物營養(yǎng)元素虧缺診斷研究[D];江蘇大學(xué);2012年

10 肖光潤;基于函數(shù)型數(shù)據(jù)分析的高光譜圖像分類研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

2 王坤;高光譜圖像異常目標(biāo)檢測及光譜成像在偽裝評估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

3 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

4 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學(xué);2015年

5 劉攀;基于非負(fù)矩陣分解的高光譜圖像特征提取與分類算法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 趙宗然;快速無損高光譜圖像壓縮算法的研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王丹楓;基于在線字典學(xué)習(xí)的高光譜圖像壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

8 任宇;基于空譜結(jié)構(gòu)性挖掘的高光譜圖像分類方法研究[D];西安電子科技大學(xué);2014年

9 胡子帆;基于分類DCT的高光譜有損壓縮算法研究[D];西安電子科技大學(xué);2014年

10 宋強(qiáng);基于半監(jiān)督學(xué)習(xí)的高光譜圖像分類方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1643718