空间4？邻域稀疏表示的高光谱图像目标检测.pdfVIP

第３４卷第９期 哈　 尔　 滨　 工　 程　 大　 学　 学　 报 Ｖｏｌ．３４ №．９ ２０１３年９月 Ｊｏｕｒｎａｌ ｏｆ Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｓｅｐ． ２０１３ 空间４⁃邻域稀疏表示的高光谱图像目标检测 赵春晖，李晓慧，朱海峰 （哈尔滨工程大学 信息与通信工程学院， 黑龙江 哈尔滨 １５０００１） 摘　 要：稀疏表示方法在高光谱图像目标检测中取得了较好的检测效果，但其只利用了图像的光谱信息，没有考虑空间 信息．针对高光谱图像的空间相关性对目标检测算法的影响，提出了分别采用４⁃邻域平滑稀疏模型和４⁃邻域联合稀疏模 型对高光谱图像进行目标检测的算法，将目标像素及其４⁃邻域像素的稀疏表示综合考虑，提高检测算法的效果和效率． 使用３组高光谱图像数据进行了仿真实验，实验结果表明，所提出的２种方法分别在检测效果和计算效率上有一定程度 的提高． 关键词：高光谱图像；目标检测；稀疏表示；４⁃邻域 ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１００６⁃７０４３． ２０１２０７００５ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１３９０．Ｕ０８５５．００４．ｈｔｍｌ 中图分类号：ＴＰ７５１．１　 文献标志码：Ａ　 文章编号：１００６⁃７０４３（２０１３）０９⁃１１７１⁃０８ Ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｐａｔｉａｌ ４ ｎｅｉｇｈｂｏｒｈｏｏｄｓ ｆｏｒ ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ＺＨＡＯ Ｃｈｕｎｈｕｉ，ＬＩ Ｘｉａｏｈｕｉ，ＺＨＵ Ｈａｉｆｅｎｇ 　 　 （Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｒｅｃｅｎｔ ｓｔｕｄｉｅｓｉｎｄｉｃａｔｅ ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｈａｓａｃｈｉｅｖｅｄｖｅｒｙ ｇｏｏｄｒｅｓｕｌｔｓｉｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇｔａｒ⁃ ｇｅｔ ｄｅｔｅｃｔｉｏｎｓ．Ｈｏｗｅｖｅｒ，ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｎｌｙｕｓｅｓｔｈｅｓｐｅｃｔｒａｌｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇ，ｗｉｔｈ⁃ ｏｕｔ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ． Ｔｈｅ ｐｕｒｐｏｓｅ ｏｆ ｔｈｉｓ ｐａｐｅｒ ｉｓｔｏ ｒｅｓｅａｒｃｈ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａ⁃ ｇｉｎｇ＇ｓ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ ｏｎ ｔｈｅ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ａｎｄ ｐｒｏｐｏｓｅ ｔｗｏ ｎｅｗ ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｍｏｄｅｌｓ， ｗｈｉｃｈ ｎａｍｅｄ４⁃ｎｅｉｇｈｂｏｒｈｏｏｄ ｓｍｏｏｔｈｉｎｇ ｓｐａｒｓｅ ｍｏｄｅｌ ａｎｄ ４⁃ｎｅｉｇｈｂｏｒｈｏｏｄ ｕｎｉｏｎ ｓｐａｒｓｅ ｍｏｄｅｌ，ｃｏｎｓｉｄｅｒｉｎｇ ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｏｆ ｂｏｔｈ ｔａｒｇｅｔ ｐｉｘｅｌｓ ａｎｄ ｉｔｓ４⁃ｎｅｉｇｈｂｏｒｈｏｏｄ ｐｉｘｅｌｓ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ａｎｄ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｔｈｅ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ． Ｗｉｔｈ ｔｈｒｅｅ ｒｅａｌ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ ｄａｔａｓｅｔｓ ｉｎ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔ，ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅａｌｇｏｒｉｔｈｍｓｕｔｉｌｉｚｉｎｇｔｈｅｎｅｗ ｍｏｄｅｌｓｃｏｕｌｄｉｍｐｒｏｖｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｒｅｆｆｉｃｉｅｎｃｙ ｏｆｔｈｅｔｅｓｔｒｅｓｕｌｔｓｔｏａ ｃｅｒｔａｉｎ