排序方式: 共有109条查询结果,搜索用时 15 毫秒
1.
高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。 相似文献
2.
传统基于信号检测的目标探测方法需要依赖特定的统计假设,只有在符合条件的情况下才能取得较好的目标探测结果。为了克服这一缺陷,提出了一种基于局域自适应的信息理论测度学习方法。首先将信息理论测度学习方法作为目标主函数,然后加以局域自适应决策法则进行约束,自适应地减小相似样本对距离,增大不相似样本对距离,使得在考虑阈值的同时兼顾测度学习前后距离的改变情况来进行目标探测决策,从而更好地实现目标探测。实验证明,该方法与其他经典目标探测方法或测度学习方法相比,可以更好地实现目标与背景分离,能够更有效地对高光谱影像数据进行目标探测。 相似文献
3.
利用超分辨率重建技术可以有效提高图像的空间分辨率,其中先验模型的选取尤为关键。在最大后验概率(MAP)的框架下引入双边结构张量测度,联合像素邻域4个方向的梯度算子提出一种局部自适应先验方法,构建图像超分辨率重建模型,并利用迭代重加权范数(iteratively reweighted norm)对其进行转换求解。基于标准的测试图像进行了实验,并将本方法与拉普拉斯先验、Huber-Markov先验以及BTV先验的重建结果进行对比,验证了该方法的有效性。 相似文献
4.
在高光谱数据模式分解方法(PDM)的基础上,建立了一种新的植被指数(VIPD)。根据地面植被光合成实验,建立了有效光合成曲线植被净初级生产力(NPP)遥感估算模型,利用2001年各月份的MODIS影像数据,估算得到纪伊半岛地区的各类NPP。研究发现,该地区的温带常绿林NPP年均值与2001年IPCC调查报告和地面实测得到的估算值在误差范围内一致。实验证明,该光合成曲线NPP估算模型能够有效地利用高光谱数据,且能较好地应用于温带植被研究。 相似文献
5.
根据总体最小二乘(total least squares, TLS)模型理论,提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型,并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解.实验结果表明,扩展的混合像元分解模型明显优于传统的最小二乘分解模型,总体精度大约提高了10%~20%. 相似文献
6.
遥感数据融合的进展与前瞻 总被引:1,自引:0,他引:1
数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。 相似文献
7.
基于6S辐射传输模型,对连续6个时相的MODIS影像进行逐像元大气校正获取地表反射率,以此实现MODIS NDVI的时相归一化。归一化后,地物NDVI的时相趋势与校正前相比差异显著,能更加准确地描述地物随时间变化的规律,在浓密植被区域表现更为明显。开展对NDVI时相归一化的研究,对全球变化、作物物候监测等遥感时序分析相关应用具有着重要的意义和实用价值。 相似文献
8.
张良培 《武汉大学学报(信息科学版)》2014,(12)
针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。 相似文献
9.
提出一种基于局部判别正切空间排列(local discriminative tangent space alignment,LDTSA)的高光谱影像降维方法。LDTSA源于局部正切空间排列(LTSA)中的排列机制,在一个局域块内利用线性局部正切平面对类内样本的流形结构建模,同时还考虑到类间判别信息以最大化判别边界。利用多幅高光谱数据进行降维和分类试验。结果表明,LDTSA主要有三个优点:①在小样本问题上性能稳定;②在降维过程中保持类别间的判别信息;③有效挖掘数据集的几何流形结构。 相似文献
10.
提出了一种用于处理多高光谱卫星数据的UPDM分析方法。研究结果证明.该方法应用干Landsat/TM(ETM^-)、Terra/MODIS和ADEOS—II/GLI等高光谱卫星传感器时.光谱重构均方根误差小于0.029适用于研究高光谱卫星遥感数据。 相似文献