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:
目标检测是高光谱图像处理领域的主要研究内容之一。目前,稀疏表示算法已经在这方面取得了较好的检测效果。但传统的稀疏表示(S R )算法中的字典既包含目标信息又包含背景信息,且比例不确定,导致数据处理难度很大。针对传统稀疏表示(SR)算法的不足,提出了精确字典稀疏表示算法(ADSR)。该算法通过构造仅包含目标信息的目标字典和仅包含背景信息的背景字典,分别求解稀疏向量并恢复稀疏图像,继而利用目标与背景残差值不同这一特性区分图像中的目标与背景。在保证检测精度的同时,减小了数据处理的复杂度,缩短了运算时间。仿真实验将ADSR算法与RX算法、SR算法进行性能比较,证明了改进算法在检测效率上的优势。
推荐文章
基于多任务联合稀疏表示的高光谱图像分类算法
多任务学习
稀疏表示
高光谱图像
图像分类
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
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
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
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 基于精确字典稀疏表示算法的高光谱图像目标检测
来源期刊 黑龙江大学工程学报 学科 工学
关键词 目标检测 稀疏表示 高光谱图像 精确字典
年,卷(期) 2014,(2) 所属期刊栏目 电子工程与计算机科学
研究方向 页码范围 73-77
页数 5页 分类号 TP751.1
字数 3978字 语种 中文
DOI 10.13524/j.2095-008x.2014.02.033
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 李威 哈尔滨工程大学信息与通信工程学院 21 219 6.0 14.0
3 刘一帆 哈尔滨工程大学信息与通信工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (11)
参考文献  (14)
节点文献
引证文献  (2)
同被引文献  (20)
二级引证文献  (0)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标检测
稀疏表示
高光谱图像
精确字典
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
黑龙江大学工程学报
季刊
2095-008X
23-1566/T
16开
哈尔滨市学府路74号
1972
chi
出版文献量(篇)
3181
总下载数(次)
5
总被引数(次)
10495
论文1v1指导