检索结果-南通市图书馆

哈尔滨工程大学学报 2018年第9期39卷 1582-1588页

作者：赵春晖孟美玲闫奕名哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

稀疏表示的引入为高光谱遥感图像的目标检测提供了新途径,但在其检测过程中,由于过完备字典的构造是直接从高光谱图像中进行获取的,存在不确定性因素且无法实现对亚像元的准确检测。针对上述问题,本文提出了一种基于字典重构的高光谱图... 详细信息

稀疏表示的引入为高光谱遥感图像的目标检测提供了新途径,但在其检测过程中,由于过完备字典的构造是直接从高光谱图像中进行获取的,存在不确定性因素且无法实现对亚像元的准确检测。针对上述问题,本文提出了一种基于字典重构的高光谱图像亚像元目标检测算法。该算法利用无监督方法进行过完备字典的构造,确保过完备字典中包含部分目标像元的光谱信息,同时引入二元对立假设模型实现对高光谱图像中亚像元目标的检测。对模拟及真实高光谱遥感图像数据进行实验仿真,通过对实验结果三维图、ROC曲线以及AUC值的对比分析,得出本文所提出的算法,该算法不仅提高了检测精度而且更好地抑制了背景噪声。

关键词：高光谱图像亚像元目标目标检测稀疏表示字典重构

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于先验信息的SR-STAP字典重构方法

引用

探测与控制学报 2022年第4期44卷 66-73页

作者：陈怀庆张小贝方习高吴琛上海大学通信与信息工程学院上海200444 上海飞机设计研究院综合航电系统设计研究部上海201210

稀疏恢复(SR)空时自适应处理(STAP)方法能够在有限的观测样本条件下精确地估计杂波协方差矩阵,但出现的网格失配问题会降低稀疏恢复性能。为解决网格失配问题,提出基于先验信息的SR-STAP字典重构方法。该方法首先利用雷达系统和机载平... 详细信息

稀疏恢复(SR)空时自适应处理(STAP)方法能够在有限的观测样本条件下精确地估计杂波协方差矩阵,但出现的网格失配问题会降低稀疏恢复性能。为解决网格失配问题,提出基于先验信息的SR-STAP字典重构方法。该方法首先利用雷达系统和机载平台的工作参数计算杂波脊线的分布范围,然后根据杂波的归一化多普勒频率和空域频率的比值来调整空域频率的分布间隔,最后以滑窗的方式非均匀地划分空时平面以重构过完备空时字典。仿真结果表明,与传统字典的SR-STAP方法相比,该字典重构方法能够更好地匹配杂波分量的分布,可有效解决网格失配问题。

关键词：稀疏恢复空时自适应处理网格失配先验信息字典重构

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于稀疏表示的高光谱图像目标检测研究

基于稀疏表示的高光谱图像目标检测研究

引用

作者：孟美玲哈尔滨工程大学

学位级别：硕士

高光谱遥感图像的成像方式不同于常规的光学遥感成像,其将图像的空间信息与光谱信息整合成为三维立方体图像的形式。相较于多光谱图像而言,高光谱遥感图像包含更多的光谱波段信息。利用地物间成百上千的光谱信息的细微差别可以实现目标... 详细信息

高光谱遥感图像的成像方式不同于常规的光学遥感成像,其将图像的空间信息与光谱信息整合成为三维立方体图像的形式。相较于多光谱图像而言,高光谱遥感图像包含更多的光谱波段信息。利用地物间成百上千的光谱信息的细微差别可以实现目标识别以及地物分类。根据是否需要地物的先验光谱信息可以将目标检测区分为有监督的目标检测和非监督目标检测。本文主要将高光谱遥感成像技术的基础原理与稀疏表示模型相结合,将原始信号利用过完备字典进行线性展开。通过正交匹配追踪算法进行稀疏系数的求解并且重建原始信号。根据不同地物有独特的光谱反射曲线,设计判别函数并选取合适的阈值对目标与背景进行区分。本文的主要研究内容如下:首先,经典的基于稀疏表示目标检测算法中过完备字典所包含的训练样本数目与种类都很少,对目标检测有一定的影响。针对于基于传统字典的目标检测算法中存在的缺陷,本文通过增加过完备字典中所包含的目标训练样本的数目来实现原始字典的增殖,使目标检测的精度得以提升,通过与原始稀疏表示算法进行对比,验证了此算法的有效性。其次,针对传统基于稀疏表示的目标检测算法求解稀疏向量耗时过长以及在检测过程中只考虑高光谱图像的光谱信息,并没有考虑到其空间信息的问题,本文通过转变稀疏向量的求解思路,实现目标与背景稀疏向量分步求解,以及在检测过程中对原始的模型进行改进,添加空间信息来提高目标检测的精度并加速算法进行目标检测时间。最后,由于过完备字典的构造是直接从高光谱图像中进行获取的,存在不确定性因素且无法实现对混合像元的准确检测。针对以上问题,提出基于字典重构的高光谱图像混合像元目标检测算法。该算法利用无监督方法进行过完备字典的构造,确保过完备字典中包含部分目标像元的光谱信息,同时引入二元对立假设模型实现对高光谱图像中混合像元目标的检测。将其与稀疏表示模型相结合实现高光谱遥感图像的目标检测。通过进行对比实验可以看出,本文所提出的创新算法可以得到更高的检测精度。

关键词：高光谱图像目标检测稀疏表示样本增殖快速检测字典重构

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多光谱遥感图像阴影检测与去除

多光谱遥感图像阴影检测与去除

引用

作者：杜悦帆西安电子科技大学

学位级别：硕士

由于遥感图像具有观测范围广、实时性高、数据综合性强等特点,目前已广泛应用于生态学、地质学、水文学、环境学和大气科学等诸多领域。然而在遥感图像对人们的生产生活越来越重要的同时,遥感图像中的阴影却极大地影响了遥感图像地物分... 详细信息

由于遥感图像具有观测范围广、实时性高、数据综合性强等特点,目前已广泛应用于生态学、地质学、水文学、环境学和大气科学等诸多领域。然而在遥感图像对人们的生产生活越来越重要的同时,遥感图像中的阴影却极大地影响了遥感图像地物分类、目标识别、图像配准等操作,并且传统遥感图像阴影检测与去除算法不能很好地利用遥感图像中的阴影特征,无法做到阴影区域的准确提取与精确的去除。本文在对遥感图像中阴影区域的特性进行了分析总结的基础上,依照阴影的光谱特性、自身特性、结构特性等,提出了一种基于信息融合的多光谱遥感图像阴影检测算法。同时,在分析了遥感图像中同一地物分别处于阴影和非阴影区域中所表现出的各项特性间关系的基础上,构建阴影与非阴影字典,提出基于层次聚类的样本字典重构阴影去除算法。本文方法在多光谱遥感数据集上得到了较好的阴影检测与阴影去除结果,本文具体工作总结如下:1.针对现有遥感图像阴影检测算法具有低检测率,漏检、误检率高等局限性,我们提出了一种基于信息融合的多光谱遥感图像阴影检测算法,可以快速、准确地对遥感图像中的阴影区域进行检测提取。该方法采用了数据重构与多层次处理的方法,可以保持所提取的阴影区域内部及边界的完整性。2.针对现有阴影去除算法的诸多不足,如:鲁棒性差,边缘毛刺等,我们提出一种基于层次聚类的样本字典重构阴影去除算法。该算法首先提取同一类地物分别处于阴影区域与非阴影区域的不同表示作为样本库构建样本字典,使用层次聚类的方法对阴影区域进行重构,结合字典以完成阴影去除。实验结果表明该方法具有很好的普适性与鲁棒性。

关键词：多光谱遥感图像信息融合层次聚类字典重构

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：