基于波段选择与学习字典的高光谱图像异常探测

论文摘要

针对高光谱影像数据中存在大量冗余,传统异常探测算法应用高光谱所有波段进行探测计算量巨大的问题,提出一种基于波段相似性线性预测与学习字典的异常探测算法。该算法首先通过对波段的相似性进行线性预测,找到最不相似的波段子集;然后,利用学习字典算法获得能够表征图像背景信息的背景字典,并通过低秩分解的算法将影像分解为低秩矩阵与稀疏矩阵;最后,使用经典RXD（Reed-X detector）探测算法对稀疏影像进行异常探测。实验结果表明,该算法可以在减少计算代价、保持波段原始信息不被破坏的同时,能够较好地实现了高光谱影像的异常探测。

论文目录

• 0 引言
• 1 算法研究
•   1.1 波段选择
•   1.2 低秩与学习字典
•   1.3 算法流程
• 2 实验结果
•   2.1 模拟数据
•   2.2 真实数据
•     2.2.1 HYDICE数据
•     2.2.2 Hyperion数据
•     2.2.3 Hyspex数据
•   2.3 实验小结
• 3 结论

文章来源

类型: 期刊论文

作者: 侯增福,刘镕源,闫柏琨,谭琨

关键词: 高光谱,波段相似性,线性预测,学习字典,异常探测,低秩分解,稀疏

来源: 国土资源遥感 2019年01期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 中国矿业大学国土环境与灾害监测国家测绘地理信息局重点实验室

基金: 中国地质调查局地质调查项目“天山—北山重要成矿区带遥感调查”(编号:DD20160068),徐州市科技基金项目(编号:KC16SS092)共同资助

分类号: TP751

页码: 33-41

总页数: 9

文件大小: 617K

下载量: 145