光谱角约束邻域联合稀疏表示高光谱图像目标检测  

Spectral Angle Constraint Neighborhood Sparse Representation of Hyperspectral Image Target Detection

作　　者：孙大鹏 谢锋[1,4] 舒嵘 

机构地区：[1]中国科学院上海技术物理研究所,中国科学院空间主动光电技术重点实验室,上海200083 [2]中国科学院大学,北京100049 [3]上海科技大学,上海200120 [4]中国科学院上海技术物理研究所杭州大江东空间信息技术研究院,浙江杭州311225

出　　处：《工业控制计算机》2018年第6期48-49,51,共3页Industrial Control Computer

基　　金：星载高分辨率红外高光谱相机及应用技术(D040104)

摘　　要：随着传感器性能的提升,目标检测已成为高光谱图像的重要应用之一。高光谱图像空间分辨率的提升,使得目标检测算法除了可以利用丰富的光谱信息外还可以有效的结合图像的空间信息。提出了一种光谱角约束的空间邻域联合稀疏表示高光谱图像目标检测算法,图像上相邻像元在很大概率上归属为同一类地物,应该具有相似的光谱曲线,可以进行多任务联合稀疏表示,但在地物边界处,相邻像元不再归属为同一类地物,这时可以利用光谱角进行先验判断,排除异类地物的影响。分别通过仿真数据和真实数据进行了实验验证,结果表明所提出的方法可以有效提高高光谱图像目标检测的准确性,降低虚警率。In this paper,a novel neighborhood joint sparse representation hyperspectral image target detection algorithm based on spectral angle is proposed.Adjacent pixels belong to the same kind of features with high probabilities and should have similar spectral curves.However,at the boundary of objects,neighboring pixels no longer belong to the same type,and then the spectral angle can be used to make a priori judgment to eliminate the influence of heterogeneous features.

关 键 词：目标检测 光谱角 联合稀疏表示 空间邻域 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]