火箭军工程大学核工程学院, 陕西 西安 710025
针对高光谱遥感图像中存在的条带噪声,提出了一种基于低通滤波残差图的条带噪声去除算法。算法首先使用高斯低通滤波器对图像进行滤波,得到低通滤波残差图;然后借助条带噪声秩为1以及残差图中的细节与条带噪声正交的先验信息,使用正交子空间投影技术将低通滤波残差图中的条带噪声和图像细节进行分离;最后将分离出的细节信息加入滤波后的图像中。通过对上述三步不断迭代,算法能够有效地去除图像中的条带噪声,并且能够解决低通滤波法去条带造成图像模糊的问题。实验结果表明,与现有前沿的去条带算法相比,该方法能在有效去除条带噪声的同时很好地保持图像的信息。
遥感 高光谱遥感 条带噪声 低通滤波 残差图 正交子空间投影 光学学报
2018, 38(12): 1228002
为了充分利用高光谱图像中包含的空间信息, 将一种改进的双边滤波应用到其目标检测中, 提出基于光谱角匹配的双边滤波稀疏表示高光谱目标检测算法。通过将光谱角匹配与双边滤波相结合, 用高光谱图像像元之间的相似性作为双边滤波器中值域距离的权值, 在抑制了图像各波段中噪声的同时突出了目标, 然后通过稀疏表示算法进行目标检测。实测的高光谱数据实验显示, 与传统稀疏表示方法和普通双边滤波稀疏表示方法比较, 所提方法在检测效果上有一定的提高。证明了充分利用高光谱图像的空间信息能进一步提高其目标检测的效果。
光谱角匹配 目标检测 双边滤波 稀疏表示 高光谱 spectral angle matching target detection bilateral filter sparse representation hyperspectral
1 火箭军工程大学,陕西西安 710025
2 96831 部队,北京 100015
针对传统稀疏表示重构算法在高光谱目标检测中表现出运算速度慢的问题,提出了分步重构算法(Two Steps Reconstruction,TSR)。该方法先求得K 个与待测像元最相似的字典原子,然后用这些原子线性表示待测像元以求解稀疏向量,舍弃了传统重构算法的迭代求解的方式,直接通过求解逆矩阵,简化了运算过程,使运算速度大幅提高。本文给出了方法的具体过程并将其与传统方法及其改进方法进行比较。实验结果表明,TSR 在保证检测精度不下降的同时能够大幅提升运算速度。
高光谱目标检测 重构算法 稀疏表示 hyperspectral target detection reconstruction algorithm sparse representation