Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition

doi:10.13741/j.cnki.11-1879/o4.2022.03.013

您当前的位置：

首页 >

文章列表页 >

Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition

更新时间：2025-09-01

- Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition
- Vol. 48, Issue 3, Pages: 379-384(2022)
- 作者机构：
  
  1. 1:大庆师范学院机电工程学院
  2. 2:大庆师范学院计算机科学与信息技术学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.03.013
  CLC： TP751
- Published：2022
- 稿件说明：
移动端阅览
Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition[J]. 2022, 48(3): 379-384.
DOI：

Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition[J]. 2022, 48(3): 379-384. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.013.

摘要

经典的RX异常检测算子假设背景数据信息符合高斯分布，但是由于高光谱图像混有大量的加性噪声，使得图像产生退化，背景信息并不完全符合这类分布。针对这一问题，提出了基于低秩张量分解的高光谱图像RX异常目标检测算法。该方法首先利用高光谱图像的张量数据结构和低秩数据特性，引入低秩张量分解方法对高光谱图像进行数据恢复，使得异常目标信息相比于复杂背景信息变得突出；再利用RX异常检测算子对恢复之后的高光谱图像进行异常目标检测；最后得到异常目标检测结果。通过仿真实验对比，提出的新的异常目标检测方法具有检测精度高、虚警率低和鲁棒性好的特点。

Abstract

关键词

Keywords

references

Views

238

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

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

Anomaly detection for hyperspectral image based on independent component analysis

A fast hybrid search algorithm for band selection in hyperspectral images

Related Author

崔子浩

刘恂

华文深

严阳

赵勋杰

李成金

程凯

唐晓燕

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

1:北京理工大学光电学院

2:光电成像技术与系统教育部重点实验室

3:南阳理工学院电子与电气工程学院

⁰