基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高光谱图像异常小目标检测数据量大、信息提取困难.文中提出了一种不需要先验信息并且计算复杂度较低的快速检测算法--基于背景抑制及顶点成分分析(EVCA)的异常小目标检测.利用高光谱图像端元是单形体顶点这一特性,在抑制背景后的图像上提取同标端元,并结合光谱匹配技术完成目标检测.为了验证新方法的有效性,与不经过背景抑制的VCA算法及传统检测算法进行了比较.实验结果表明,该算法不需要先验信息,体现了较好的检测效果.
推荐文章
基于高光谱图像主成分分量的小目标检测算法研究
高光谱
目标检测
超平面
主成分分析
采用背景抑制和自适应阈值分割的高光谱异常目标检测
高光谱图像
背景抑制
形态学滤波
异常检测
自适应阈值
基于形态成分稀疏表示的红外小弱目标检测
小弱目标检测
稀疏表示
形态成分分析
自适应分类字典
基于显著性及主成分分析的红外小目标检测
红外小目标
目标检测
显著性检测
点扩散函数
主成分分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于背景抑制及顶点成分分析的高光谱异常小目标检测
来源期刊 应用科技 学科 工学
关键词 高光谱图像 目标检测 顶点成分分析
年,卷(期) 2009,(9) 所属期刊栏目 现代电子技术
研究方向 页码范围 11-14
页数 4页 分类号 TP212
字数 2727字 语种 中文
DOI 10.3969/j.issn.1009-671X.2009.09.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵春晖 哈尔滨工程大学信息与通信工程学院 364 3419 27.0 39.0
2 王楠楠 哈尔滨工程大学信息与通信工程学院 16 242 10.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (34)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (21)
二级引证文献  (36)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(11)
  • 引证文献(1)
  • 二级引证文献(10)
2015(5)
  • 引证文献(1)
  • 二级引证文献(4)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高光谱图像
目标检测
顶点成分分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
应用科技
双月刊
1009-671X
23-1191/U
大16开
哈尔滨市南通大街145号1号楼
14-160
1974
chi
出版文献量(篇)
4861
总下载数(次)
7
总被引数(次)
21528
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
黑龙江省自然科学基金
英文译名:
官方网址:http://jj.dragon.cn/zr/index.asp
项目类型:
学科类型:
论文1v1指导