改进的主峭度分析算法及其在高光谱图像小目标检测中的应用

TP751.1; 由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维.主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法.它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法.小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题.该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标.但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数.仿真实...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 40; no. 12; pp. 2855 - 2861
Main Authors 孟令博, 耿修瑞
Format Journal Article
LanguageChinese
Published 中国科学院电子学研究所,北京100190 01.12.2018
中国科学院空间信息处理与应用系统技术重点实验室,北京100190
中国科学院大学,北京100049
Subjects
小目标探测
主峭度分析算法
高光谱图像
协峭度张量
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2018.12.33

Cover

More Information
Summary:TP751.1; 由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维.主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法.它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法.小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题.该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标.但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数.仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2018.12.33