基于低秩表示和学习字典的高光谱图像异常探测
Hyperspectral anomaly detection using low-rank representation and learned dictionary作者机构：复旦大学电磁波信息科学教育部重点实验室上海200433 北京师范大学地表过程与资源生态国家重点实验室北京100875 复旦大学信息学院智慧网络与系统研究中心上海200433
出 版 物：《红外与毫米波学报》 (Journal of Infrared and Millimeter Waves)
年 卷 期：2016年第35卷第6期
页 面：731-740页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金：国家自然科学基金(61572133) 北京师范大学地表过程与资源生态国家重点实验室开放基金(2015-KF-01)~~
主 题：高光谱图像 异常探测 低秩矩阵分解 低秩表示 学习字典
摘 要：提出一种基于低秩表示和学习字典的高光谱遥感图像异常探测算法.相对于其它低秩矩阵分解方法如鲁棒主成分分析,低秩表示方法更为契合高光谱图像的线性混合模型.该算法将低秩表示模型应用到高光谱图像异常探测问题上来,引入表征背景信息的学习字典,大大增强了低秩表示模型对初始参数的鲁棒性.仿真和实际高光谱数据的实验结果表明,所提出的算法有效地提高了异常的探测率,同时对初始参数具有较好的鲁棒性,可以作为一种解决高光谱图像异常探测的有效手段.
维普期刊数据库
同方期刊数据库