基于独立成分分析的高光谱图像异常检测

您当前的位置：

首页 >

文章列表页 >

基于独立成分分析的高光谱图像异常检测

信息光学与图像处理 | 更新时间：2025-09-01

- 基于独立成分分析的高光谱图像异常检测
- Anomaly detection for hyperspectral image based on independent component analysis
- 光学技术 2011年37卷第2期页码：203-207
- 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
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
何元磊, 刘代志, 易世华, 等. 基于独立成分分析的高光谱图像异常检测[J]. 光学技术, 2011,37(2):203-207.

Anomaly detection for hyperspectral image based on independent component analysis[J]. 2011, 37(2): 203-207.
何元磊, 刘代志, 易世华, 等. 基于独立成分分析的高光谱图像异常检测[J]. 光学技术, 2011,37(2):203-207. DOI： 10.13741/j.cnki.11-1879/o4.2011.02.015.

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.

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。

浏览量

322

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱基本准则的波段选择方法

一种改进的LPD高光谱图像异常检测算法

基于PCA/ICA和误差补偿算法的眼镜摘除研究

基于标志点等距映射的高光谱图像端元提取算法

基于PCA和ICA的多光谱数据降维方法