高光譜圖像的空間分辨率普遍較低,導(dǎo)致混合像元大量存在,為目標檢測帶來了一定困難。為了實現(xiàn)復(fù)雜背景下的高光譜圖像目標檢測,提出了一種去端元的目標檢測方法。在光譜解混技術(shù)的基礎(chǔ)上,建立了復(fù)雜背景下的光譜混合模型并加以改進,采用多次去端元的方法,取得了簡化背景之后的高光譜圖像。結(jié)果表明,與傳統(tǒng)的RX目標檢測算法相比,所提出的算法能夠顯著提升目標檢測效果。在實際的軍事運用中,為大尺幅圖像的目標識別和揭露偽裝提供了思路。 

【文章來源】：激光技術(shù). 2020,44(02)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
引 言
1 混合模型的建立
    1.1 復(fù)雜背景下的光譜混合模型
    1.2 遮掩情況的模型改進
2 實驗方法及步驟
    2.1 提取端元
    2.2 豐度反演
    2.3 去除端元
3 實驗結(jié)果與分析
    3.1 實驗數(shù)據(jù)
    3.2 端元去除及圖像恢復(fù)
    3.3 多次去端元及結(jié)果分析
4 目標檢測效果評價
    4.1 去端元效果評價指標
    4.2 目標檢測結(jié)果評價
5 結(jié) 論


【參考文獻】：
期刊論文
[1]線性高光譜解混模型綜述[J]. 袁靜,章毓晉,高方平.  紅外與毫米波學報. 2018(05)
[2]高光譜遙感圖像非線性解混研究綜述[J]. 楊斌,王斌.  紅外與毫米波學報. 2017(02)
[3]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學報. 2016(05)
[4]基于拉格朗日的高光譜解混算法研究[J]. 劉萬軍,楊秀紅,曲海成.  計算機應(yīng)用研究. 2016(10)
[5]基于高光譜圖像混合像元分解技術(shù)的去霧方法[J]. 馮維一,陳錢,何偉基,顧國華,莊佳衍,徐雙雙.  光學學報. 2015(01)
[6]有監(jiān)督的高光譜圖像偽裝目標檢測方法[J]. 劉志剛,盧云龍,魏一葦.  紅外與激光工程. 2013(11)
[7]高光譜圖像非線性解混方法的研究進展[J]. 唐曉燕,高昆,倪國強.  遙感技術(shù)與應(yīng)用. 2013(04)
[8]高光譜遙感圖像光譜解混的獨立成分分析技術(shù)[J]. 羅文斐,鐘亮,張兵,高連如.  光譜學與光譜分析. 2010(06)
[9]一種端元變化的神經(jīng)網(wǎng)絡(luò)混合像元分解方法[J]. 吳柯,張良培,李平湘.  遙感學報. 2007(01)



本文編號：3491947