• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Target Detection in Hyperspectral Imagery via Sparse and Dense Hybrid Representation
【24h】

Target Detection in Hyperspectral Imagery via Sparse and Dense Hybrid Representation

机译：通过稀疏和致密的混合表示在高光谱图像中的目标检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Representation-based target detectors for hyperspectral imagery (HSI) have recently aroused a lot of interests. However, existing methods ignore the dictionary structure and cannot guarantee an informative and discriminative representation of test pixels for target detection. To alleviate the problem, this letter proposes a novel sparse and dense hybrid representation-based target detector (SDRD). The proposed detector adopts the idea that the relationship between the background and the target sub-dictionaries is a collaborative competition. The structure of the dictionary is discovered and preserved by learning a sparse and dense hybrid representation for test pixel. Benefitting from this, a compact and discriminative representation can be obtained to better represent the test pixel for an improved detection performance. Experimental results on several HSI data sets verify the effectiveness of SDRD in comparison with several state-of-the-art methods.
机译：基于代表的超光图像（HSI）的目标探测器最近引起了很多兴趣。然而，现有方法忽略了字典结构，并且不能保证对目标检测的测试像素的信息和鉴别表达。为了缓解问题，这封信提出了一种新的稀疏和致密的混合表示的目标探测器（SDRD）。所提出的探测器采用了背景和目标子词典之间的关系是一个协作竞争。通过学习用于测试像素的稀疏和致密的混合表示来发现和保留字典的结构。从中受益，可以获得紧凑且辨别的表示以更好地代表测试像素，以提高检测性能。几种HSI数据集的实验结果验证了SDRD与多种最先进的方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号