• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Recognition: The Journal of the Pattern Recognition Society >Data-augmented matched subspace detector for hyperspectral subpixel target detection
【24h】

Data-augmented matched subspace detector for hyperspectral subpixel target detection

机译：用于高光谱亚像素目标检测的数据增强匹配子空间探测器

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

The performance of subspace-based methods such as matched subspace detector (MSD) and MSD with interaction effects (MSDinter) heavily depends on the background subspace and the target subspace. Nonetheless, constructing a representative target subspace is challenging due to the limited availability of target spectra in a collected hyperspectral image. In this paper, we propose two new hyperspectral target detection methods termed data-augmented MSD (DAMSD) and data-augmented MSDinter (DAMSDI) that can effectively solve the scarcity problem of target spectra and from which a representative target-background mixed subspace can be learned. We first synthesise target-background mixed spectra based on classical hyperspectral mixing models and then learn a target-background mixed subspace via principal component analysis. Compared with MSD and MSDinter, the learned mixed subspace is more representative as spectral variability of target spectra is explained to the largest extent and it leads to an improvement in computational speed and numerical stability. We demonstrate the efficacy of DAMSD and DAMSDI for subpixel target detection on two public hyperspectral image datasets. (C) 2020 Elsevier Ltd. All rights reserved.
机译：基于子空间的方法（如匹配的子空间检测器（MSD）和MSD的性能大量取决于背景子空间和目标子空间。尽管如此，由于收集的高光谱图像中的目标光谱可用性有限，构建代表性目标子空间是具有挑战性的。在本文中，我们提出了两个新的高光谱目标检测方法被称为数据增强MSD（DAMSD）和数据增强的MSDINTER（DAMSDI），可以有效地解决目标光谱的稀缺问题，以及代表性的目标背景混合子空间可以学到了。我们首先基于经典高光谱混合模型合成目标背景混合光谱，然后通过主成分分析学习目标背景混合子空间。与MSD和MSDINTER相比，学习的混合子空间是更具代表性的，因为目标光谱的光谱可变性在最大程度上解释，它导致计算速度和数值稳定性的提高。我们展示了DAMSD和DAMSDI对两个公共超光谱图像数据集的子像素目标检测的功效。 （c）2020 elestvier有限公司保留所有权利。

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