基于低秩张量分解的高光谱RX异常目标检测算法

成宝芝; 杨桂花; 王凤嫔; 贾美娟

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

您当前的位置：

首页 >

文章列表页 >

基于低秩张量分解的高光谱RX异常目标检测算法

光学图像处理与识别 | 更新时间：2025-09-01

- 基于低秩张量分解的高光谱RX异常目标检测算法
- Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition
- 光学技术 2022年48卷第3期页码：379-384
- 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：
  
  大庆师范学院科学研究基金(19ZR02)
- DOI：10.13741/j.cnki.11-1879/o4.2022.03.013
  中图分类号： TP751
- 纸质出版：2022
- 稿件说明：
移动端阅览
成宝芝, 杨桂花, 王凤嫔, 等. 基于低秩张量分解的高光谱RX异常目标检测算法[J]. 光学技术, 2022,48(3):379-384.

Algorithm of RX anomaly target detection for hyperspectral imagery based on low-rank tensor decomposition[J]. 2022, 48(3): 379-384.
成宝芝, 杨桂花, 王凤嫔, 等. 基于低秩张量分解的高光谱RX异常目标检测算法[J]. 光学技术, 2022,48(3):379-384. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.013.

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

浏览量

238

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

基于标志点等距映射的高光谱图像端元提取算法

基于独立成分分析的高光谱图像异常检测

一种高光谱图像波段选择的快速混合搜索算法

基于低秩张量分解的高光谱RX异常目标检测算法

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

摘要

Abstract

关键词

Keywords

references