1 山东师范大学物理与电子科学学院, 山东济南 250358
2 齐鲁工业大学电气工程与自动化学院, 山东济南 250358
为了降低高光谱遥感图像冗余度, 减少后续的计算复杂度, 提出了选剔同步的高光谱遥感图像波段选择算法。以主成分分析后的数据作为参考波段来源, 以互信息作为选取波段的相似性度量, 引入 R-KL系数作为剔除波段的判别准则, 利用边选取边剔除的方式进行波段选择。为了验证该算法的有效性, 运用贝叶斯分类法对降维后波段进行分类, 并与自适应波段选择和基于最大信息量的波段选择算法进行比较。结果显示当选取波段数目较少时, 该算法的分类效果优于上述两种算法, 当选取波段数目较多时, 3种算法分类效果相当, 故该算法是一种有效的波段选择算法。
波段选择 高光谱 主成分分析 互信息 贝叶斯分类 band selection hyperspectral principal component analysis mutual information bayesian classification
1 西安电子科技大学 物理与光电工程学院,西安 710071
2 桂林电子科技大学 生命与环境科学学院, 广西 桂林 541004
由于传统的跟踪算法没有充分利用目标与其局部背景的时空相关性, 使其不能有效地区分背景边缘和红外弱小目标, 从而在跟踪过程中产生偏移现象.针对这一问题, 本文在时空上下文学习跟踪的原理基础上, 分析了跟踪偏移的原因, 并引入图像引导滤波方法, 提出了一种引导滤波结合时空上下文的红外弱小目标跟踪算法.该算法首先采用引导滤波对上下文区域进行处理, 在保留上下文区域云层边缘的同时剔除目标及噪声, 再将其与滤波结果作差.最后利用小目标的“置信图”检测出目标.为了验证该方法的有效性, 采用五组红外小目标序列图像进行实验, 并与经典时空滤波、改进的模板匹配和移动管道滤波等方法作比较.实验结果表明本文提出的方法在主观视觉和客观评价指标方面均优于其它三种经典方法, 且具有更高的目标跟踪精度与较好的实时性.
红外与夜视技术 目标跟踪 时空上下文 红外图像处理 弱小目标 图像滤波 贝叶斯分类 傅里叶变换 Infrared and night vision technology Target tracking Spatio-Temporal context Infrared image processing Dim and small target Image filtering Bayesian classification FFT
