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:
提出了一种新的基于混合核函数的加权RX算法,用于高光谱图像异常检测.在将原始高光谱数据非线性映射到高维特征空间以挖掘高光谱图像波段间蕴含的非线性信息后,自适应地赋予特征空间RX算子中采样协方差矩阵各光谱向量相应的权值.权值的大小与光谱向量到质心的距离成反比,从而削减了协方差矩阵中异常数据比重,使加权协方差矩阵更好地表征背景数据分布.最后利用核函数性质将高维特征空间的内积运算转化为低维输入空间的核函数计算,并根据高光谱数据特点线性组合新型光谱核函数和径向基核函数以改善算法性能.为验证算法的有效性,利用真实的高光谱数据进行了仿真实验,结果表明该算法优于特征空间的RX算法,能检测到更多的异常目标.
推荐文章
改进协同表示的高光谱图像异常检测算法
高光谱图像
异常检测
异常像元
协同表示
双窗口
基于空域滤波的核RX高光谱图像异常检测算法
高光谱
异常检测
非线性
RX
核函数
空域滤波
光谱角匹配加权核特征空间分离变换高光谱异常检测算法
高光谱
异常检测
光谱角匹配
特征空间分离变换
SAM加权KEST
基于光谱角匹配加权的高光谱图像异常检测
高光谱图像
K-均值聚类
加权
核RX
光谱角匹配
异常检测
光谱角余弦
背景净化
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 核加权RX高光谱图像异常检测算法
来源期刊 红外与毫米波学报 学科 工学
关键词 高光谱图像 异常检测 加权RX 核函数
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 378-382
页数 分类号 TN911.73
字数 4710字 语种 中文
DOI
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 李杰 北京理工大学机电学院 134 1499 23.0 32.0
2 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
3 梅锋 哈尔滨工程大学信息与通信工程学院 5 155 5.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (46)
参考文献  (10)
节点文献
引证文献  (47)
同被引文献  (75)
二级引证文献  (177)
1990(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(3)
  • 参考文献(2)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(9)
  • 参考文献(2)
  • 二级参考文献(7)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(5)
  • 引证文献(5)
  • 二级引证文献(0)
2013(4)
  • 引证文献(4)
  • 二级引证文献(0)
2014(18)
  • 引证文献(8)
  • 二级引证文献(10)
2015(33)
  • 引证文献(8)
  • 二级引证文献(25)
2016(36)
  • 引证文献(4)
  • 二级引证文献(32)
2017(47)
  • 引证文献(6)
  • 二级引证文献(41)
2018(39)
  • 引证文献(8)
  • 二级引证文献(31)
2019(31)
  • 引证文献(4)
  • 二级引证文献(27)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
高光谱图像
异常检测
加权RX
核函数
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
红外与毫米波学报
双月刊
1001-9014
31-1577/TN
大16开
上海市玉田路500号
4-335
1982
chi
出版文献量(篇)
2620
总下载数(次)
3
总被引数(次)
28003
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
论文1v1指导