科研之友
微信
新浪微博
Facebook
分享链接
摘要
在高光谱图像中，由于目标先验信息的数量少、光谱变异性和亚像素等问题，使得构建的稀疏字典质量较差。提出一种基于超像素分割的稀疏字典构建方法，首先采用超像素分割算法分割降维后的高光谱图像，然后利用目标先验信息获得超像素中的高质量光谱信息并得到相关系数，最后选择优质目标训练样本构建高质量的稀疏字典以提升稀疏表示的目标检测效果。该算法不仅可以建立高质量的稀疏字典，而且可以增加目标训练样本的数量，获得更好的训练效果。在AVIRIS和Texas Coast数据集上的实验仿真结果表明:该算法AUC值分别达到99.35%和98.79%，相较于其他算法具有更好的检测性能。
- 单位
