位置：成果数据库 > 期刊 > 期刊详情页
一种融合光谱匹配和张量分析的高分辨率遥感影像目标探测器
  • ISSN号：1671-8860
  • 期刊名称：武汉大学学报(信息科学版)
  • 时间：2013
  • 页码：274-277
  • 分类：P237.3[天文地球—摄影测量与遥感;天文地球—测绘科学与技术]
  • 作者机构：[1]武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079, [2]海军工程大学管理工程系,武汉市解放大道717号,430033, [3]武汉大学计算机学院,武汉市珞珈山,430072
  • 相关基金：国家自然科学基金资助项目（61102128）; 中国科学院数字地球重点实验室开放研究基金资助项目（2010LDE006）; 中央高校基本科研业务费专项资金资助项目（211274633）; 中国博士后科学基金资助项目（211-180788）; 湖北省自然科学基金资助项目（2011CDB455）; 海军工程大学自然科学基金资助项目（HGDQNJJ11039）
  • 相关项目：端元可变的高光谱遥感图像亚像元目标探测研究
作者： 陈勇|杜博|张乐飞|张良培|
关键词： 自适应余弦探测器, 张量学习机, 目标探测, adaptive cosine estimator （ACE） ~ support tensor machine（STM） , target detection
中文摘要：

提出了一种基于光谱分析理论和张量代数理论的高分辨率遥感影像目标探测器。首先在向量空间中对目标光谱进行特征匹配;然后对光谱特征与目标相似的像素进行空间-光谱特征一体化张量描述,进而在张量特征空间中对目标和背景进行分类。实验表明,张量学习机能够有效地对高分辨率影像进行目标识别。加入光谱特征匹配后的目标探测器能够极大地降低目标探测时间,同时进一步提高目标探测精度。

英文摘要：

We proposed a hybrid detector based on spectral matching and tensor analysis, which is designed for hyperspectral and high resolution remote sensing images. Firstly, a spectral matching is performed in vector space using adaptive coherence/cosine estimator （ACE）. Then, the result pixels of whose spectral are similar with targets spectral are further processed by support tensor machine （STM） to detect the real targets from the background pixels. The experimental results on CRI dataset demonstrate that the proposed approach could obviously reduce the processing time and improve the targets detection precision.

同期刊论文项目
端元可变的高光谱遥感图像亚像元目标探测研究
期刊论文 43 会议论文 12
同项目期刊论文
Slow Feature Analysis for Change Detection in Multispectral Imagery
Regularization Framework for Target Detection in Hyperspectral Imagery
Endmember number estimation for hyperspectral imagery based on vertex component analysis
A Subspace-Based Change Detection Method for Hyperspectral Images
A hypothesis independent subpixel target detector for hyperspectral Images
Target detection based on a dynamic subspace
A sparse and discriminative tensor to vector projection for human gait feature representation
基于类别可分性的高光谱图像波段选择
A Sparse Representation-Based Binary Hypothesis Model for Target Detection in Hyperspectral Images
高光谱图像降维的判别流形学习方法
A dimensionality reduction method for hyperspectral imagery based on local discriminative tangent sp
A Background Self - Learning Framework for Unstructured Target Detectors
基于张量主成分分析的人脸图像压缩与重构
基于约束独立成分分析的高光谱图像指纹提取
A Background Self-Learning Framework for Unstructured Target Detectors
Semisupervised Discriminative Locally Enhanced Alignment for Hyperspectral Image Classification
A Robust Nonlinear Hyperspectral Anomaly Detection Approach
Hyperspectral Remote Sensing Image Subpixel Target Detection Based on Supervised Metric Learning
基于纹理特征和形态学特征融合的高光谱影像分类法
一种结合波段分组特征和形态学特征的高光谱图像分类方法
A discriminative metric learning based anomaly detection method
Automatic radiometric normalization for multitemporal remote sensing imagery with iterative slow fea
Spatial-Spectral Information Based Abundance-Constrained Endmember Extraction Methods<br />
An Automatic Robust Iteratively Reweighted Unstructured Detector for Hyperspectral Imagery
An Abundance Characteristic Based Independent Component Analysis for Hyperspectral Unmxing
一种基于局部判别正切空间排列的高光谱遥感影像降维方法
A Discriminative Manifold Learning Based Dimension Reduction Method for Hyperspectral Classification
基于独立成分分析的高光谱变化检测
顾及局域信息的核化正交子空间投影目标探测方法
Unsupervised transfer learning for target detection from hyperspectral images
最小光谱相关约束NMF的高光谱遥感图像混合像元分解
一种基于核特征空间的鲁棒性高光谱异常探测方法
Compression of hyperspectral remote sensing images by tensor approach
一种基于背景自学习的高光谱图像生物信息提取方法
一种基于多维正交判别子空间投影的人脸识别方法
期刊信息
  • 《武汉大学学报：信息科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:武汉大学
  • 主编：刘经南
  • 地址：湖北武汉珞珈山
  • 邮编：430072
  • 邮箱：whuxxb@vip.163
  • 电话：027-68778045
  • 国际标准刊号：ISSN：1671-8860
  • 国内统一刊号：ISSN：42-1676/TN
  • 邮发代号:38-317
  • 获奖情况:
  • 全国优秀科技期刊,全国优秀高校自然科学学报一等奖,湖北省优秀期刊称号
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰地学数据库,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）
  • 被引量:24217