基于蜂群优化投影寻踪的高光谱小目标检测.pdf

基于蜂群优化投影寻踪的高光谱小目标检测.pdf

ID:51417570

大小:2.04 MB

页数:9页

时间:2020-03-23

基于蜂群优化投影寻踪的高光谱小目标检测.pdf_第1页
基于蜂群优化投影寻踪的高光谱小目标检测.pdf_第2页
基于蜂群优化投影寻踪的高光谱小目标检测.pdf_第3页
基于蜂群优化投影寻踪的高光谱小目标检测.pdf_第4页
基于蜂群优化投影寻踪的高光谱小目标检测.pdf_第5页
资源描述:

《基于蜂群优化投影寻踪的高光谱小目标检测.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第37卷第6期仪器仪表学报Vol37No62016年6月ChineseJournalofScientificInstrumentJun.2016基于蜂群优化投影寻踪的高光谱小目标检测1,211吴一全,周杨,龙云淋(1.南京航空航天大学电子信息工程学院南京211106;2.中国科学院西安光学精密机械研究所中科院光谱成像技术重点实验室西安710119)摘要:为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高

2、光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。关键词:遥感;高光谱图像;小目标检测;改进的蜂群优化算法;投影寻踪;K最近邻中图

3、分类号:TP751TH74文献标识码:A国家标准学科分类代码:510.4050Detectionofhyperspectralsmalltargetsbasedonprojectionpursuitoptimizedbybeecolony1,211WuYiquan,ZhouYang,LongYunlin(1.CollegeofElectronicandInformationEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing211106,Chi

4、na;2.KeyLaboratoryofSpectralImagingTechnology,CAS,Xi’anInstituteofOpticsandPrecisionMechanics,CAS,Xi’an710119,China)Abstract:Inordertofurtherimprovetheoperationspeedandreducethefalsealarmrateoftheunsuperviseddetectionmethodforsmalltargetsinhyperspectralremotesens

5、ingimages,adetectionmethodbasedontheprojectionpursuit(PP)optimizedbyimprovedartificialbeecolony(ABC)optimizationalgorithmandKnearestneighbor(KNN)isproposedinthispaper.Firstly,thekernelprincipalcomponentanalysis(KPCA)methodisadoptedtoperformthedimensionreductiono

6、ftheoriginalhyperspectralremotesensingimages.Then,themethodjointlydefiningthekurtosisandskewnessaccordingtotheneighborhoodpixelsisproposed,thecombinationofthekurtosisandskewnessistakenastheprojectionindex.Theimprovedartificialbeecolonyalgorithmistakenastheoptimiz

7、ationalgorithm.Theprojectionpursuitisusedtoobtaintheprojectionimageslayerbylayerfromthelowdimensionalhyperspectralremotesensingimages,andthesmalltargetsareextractedaccordingtothehistogramoftheseprojectionimages.Finally,thelineardiscriminantanalysis(LDA)isusedtoex

8、tractthefeaturesofthepixels,andtheweightedKnearestneighbormethodisusedtopurifythepreliminarydetectionresultsofthesmalltargets.Alargenumberofexperimentresultss

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。