基于稀疏矩阵变换降维的高光谱图像目标探测算法  

Hyperspectral Target Detection Algorithms Based on Sparse Matrix Transform

作　　者：周鑫[1] 谭毅华[1] 

机构地区：[1]华中科技大学自动化学院,武汉430074

出　　处：《计算机与数字工程》2016年第1期153-157,共5页Computer & Digital Engineering

摘　　要：目标探测是高光谱遥感中的一个非常重要的问题,针对高光谱图像数据量大和维度高的问题,提出了基于稀疏矩阵变换(Sparse Matrix Transform,SMT)降维的探测算法。首先基于协方差的约束最大似然估计,对高光谱数据进行稀疏矩阵变换,对降低维度后的数据结合经典的点目标检测算法,实现高光谱数据中的目标探测。在真实测试数据上,对算法进行了测试,可达到提高检测速度和检测效率的目的。Target detection is very important issue in hyperspecrtral remote sensing,aiming at high dimention and huge amount of data of hyperspectral image,algorithms based on sparse matrix transform（SMT）are proposed.SMT which based on maximum likelihood estimation of covariance is used to transform the high-dimention data to low-dimention data,combined with classic point taget detection algorithms to achive good detection results.The algorithms are detected on real data set,and prove to be more efficient.

关 键 词：高光谱图像 目标探测 稀疏矩阵变换(SMT) 协方差 最大似然估计 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]