Anomaly detection for hyperspectral image based on independent component analysis

doi:10.13741/j.cnki.11-1879/o4.2011.02.015

您当前的位置：

首页 >

文章列表页 >

Anomaly detection for hyperspectral image based on independent component analysis

更新时间：2025-09-01

- Anomaly detection for hyperspectral image based on independent component analysis
- Vol. 37, Issue 2, Pages: 203-207(2011)
- 作者机构：
  
  1:第二炮兵工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2011.02.015
  CLC：
- Published：2011
- 稿件说明：
移动端阅览
Anomaly detection for hyperspectral image based on independent component analysis[J]. 2011, 37(2): 203-207.
DOI：

Anomaly detection for hyperspectral image based on independent component analysis[J]. 2011, 37(2): 203-207. DOI： 10.13741/j.cnki.11-1879/o4.2011.02.015.

摘要

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题

提出了一种基于独立成分分析(ICA)的异常探测算法。首先估计原始数据的虚拟维(VD)以确定要分离的独立成分个数

在此基础上进行快速独立成分分析(FastICA)

然后基于平均局部奇异度选择含异常信息较多的独立成分

最后使用丰度量化算法得到异常目标的丰度图像。为了验证算法的有效性

对由AVIRIS获取的真实高光谱图像进行了异常检测实验

并与经典RX算法和LPD算法的检测结果进行了比较。结果表明

基于ICA的检测算法具有良好的检测性能和较低的虚警

且运算复杂度较低。

Abstract

关键词

Keywords

references

Views

322

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Band selection method based on hyperspectral fundamental criterion

An anomaly detection method for hyperspectral image based on improved LPD

The research of glasses removal based on PCA/ICA and error compensation

A method of endmember extraction in hyperspectral image based on landmark isometric mapping

Dimensionality reduction method based on combination of PCA and ICA

Related Author

崔子浩

刘恂

华文深

严阳

赵勋杰

李成金

程凯

李战明

Related Institution

1:陆军工程大学石家庄校区电子与光学工程系

1:苏州大学物理科学与技术学院

2:西北民族大学数学与计算机科学学院

1:兰州理工大学电气工程与信息工程学院

3:南阳理工学院电子与电气工程学院

⁰