...
  • 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 >A Background Self-Learning Framework for Unstructured Target Detectors
【24h】

A Background Self-Learning Framework for Unstructured Target Detectors

机译：非结构化目标检测器的背景自我学习框架

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

Unstructured background model based detectors have been successfully applied in various hyperspectral target detection applications. The background statistics of an image can be estimated in a global way or a local way. The global approach involves modeling the background directly from the whole image, which can prove to be inaccurate due to target contamination of the background information. The local approach usually involves estimating the background statistics using a spatially sliding local window. However, this approach can also fail to reflect reality, due to sensitive parameters, like the window size, and presents high computational costs. This letter proposes a self-learning method to adaptively determine the background statistics for unstructured detectors, with the consideration of exploiting both the spatial and spectral information, and accelerating the computation speed. The experimental results with two real hyperspectral images confirm the superior performance when compared to the other two approaches to modeling background statistics.
机译：基于非结构化背景模型的检测器已成功应用于各种高光谱目标检测应用中。图像的背景统计可以以全局或局部的方式估计。全局方法涉及直接从整个图像建模背景，这可能由于目标信息对背景信息的污染而被证明是不准确的。局部方法通常涉及使用空间滑动的局部窗口估计背景统计量。但是，由于诸如窗口大小之类的敏感参数，该方法也可能无法反映现实，并带来高昂的计算成本。这封信提出了一种自学习方法，该方法可以自适应地确定非结构化检测器的背景统计数据，同时考虑到利用空间和光谱信息，并加快了计算速度。与其他两种对背景统计数据进行建模的方法相比，使用两个真实的高光谱图像进行的实验结果证实了其优越的性能。

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