基于背景字典构造的稀疏表示高光谱目标检测
2022年电子技术应用第1期
陶 洋，林飞鹏，杨 雯，翁 善
重庆邮电大学 通信与信息工程学院，重庆400065
摘要： 针对现有基于稀疏表示的目标检测算法采用同心双窗口构建背景字典的过程中，目标像元将会对背景字典产生干扰的问题，提出基于背景字典构造的稀疏表示高光谱目标检测算法。该算法将高光谱图像分解成低秩背景和稀疏目标，引入目标字典作为稀疏目标的先验信息，更好地分离目标和背景，构建纯净背景字典。通过在4个公开高光谱图像数据集上仿真分析，证明所提出的算法具有出色的检测性能。
中圖分類號： TN10
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211420
中文引用格式： 陶洋，林飛鵬，楊雯，等. 基于背景字典構造的稀疏表示高光譜目標檢測[J].電子技術應用，2022，48(1)：124-128.
英文引用格式： Tao Yang，Lin Feipeng，Yang Wen，et al. Background dictionary construction-based sparse representation hyperspectral target detection[J]. Application of Electronic Technique，2022，48(1)：124-128.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211420
中文引用格式： 陶洋，林飛鵬，楊雯，等. 基于背景字典構造的稀疏表示高光譜目標檢測[J].電子技術應用，2022，48(1)：124-128.
英文引用格式： Tao Yang，Lin Feipeng，Yang Wen，et al. Background dictionary construction-based sparse representation hyperspectral target detection[J]. Application of Electronic Technique，2022，48(1)：124-128.
Background dictionary construction-based sparse representation hyperspectral target detection
Tao Yang，Lin Feipeng，Yang Wen，Weng Shan
School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications， Chongqing 400065，China
Abstract： Aiming at the existing target detection algorithms based on sparse representation, in the process of building the background dictionary with concentric double windows, the target pixels will interfere with the background dictionary. A sparse representation hyperspectral target detection algorithm based on background dictionary is proposed. The algorithm decomposes the hyperspectral image into low rank background and sparse target, and introduces the target dictionary as the prior information of sparse target, which can separate the target and background better and construct a pure background dictionary. Simulation results on four public hyperspectral image datasets show that the proposed algorithm has excellent detection performance.
Key words : hyperspectral image；sparse representation；binary-class；target dictionary；low-rank
0 引言
高光譜圖像目標檢測是一個典型的二分類問題，目的是將圖像中的每個像素標記為目標或背景[1]，被廣泛應用于軍事、農業、礦物等領域[2]。
經典的目標檢測算法包括約束能量最小化(Constrained Energy Minimization，CEM)[3]、自適應一致余弦估計(Adaptive Coherence Estimator，ACE)[4]。但是經典算法有效性都依賴于對統計模型的假設，現實場景中不能保證一定成立。近些年來，稀疏表示在高光譜領域也得到了很好的發展，研究人員相繼提出了基于稀疏表示(Sparse Representation for Target Detection，STD)[5]以及基于二元假設稀疏表示的目標檢測(Sparse Representation-Based Binary Hypothesis，SRBBH)[6]。最近，有人提出了一種基于單頻譜驅動的二分類稀疏表示檢測器[7]。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003922。
作者信息：
陶 洋，林飛鵬，楊 雯，翁 善
(重慶郵電大學 通信與信息工程學院，重慶400065)
此內容為AET網站原創，未經授權禁止轉載。