- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于背景位置估计的低秩稀疏矩阵分解高光谱异常检测方法
摘要： 高光谱异常检测（AD）在过去20年中备受关注。该方法无需任何先验知识即可区分与背景具有显著光谱差异的像素?；诘椭认∈杈卣蠓纸猓↙RaSMD）的检测器已应用于AD领域，其通过稀疏分量的欧氏距离衡量异常值。然而，稀疏分量中的背景干扰会严重提高虚警率并影响真实异常的检测。本文提出一种结合LRaSMD与背景位置估计的新型AD方法，旨在抑制稀疏分量中的背景干扰以实现背景与异常的更好分离。首先采用传统LRaSMD方法获取原始稀疏矩阵；其次通过顺序最大角凸锥（SMACC）端元提取模型构建丰度图；鉴于异常仅以低概率占据少量像素，进而通过这些丰度图估计背景像素的坐标位置；最后将原始稀疏矩阵中对应位置的谱段替换为零向量，并基于改进后的稀疏矩阵计算最终异常值。该方法通过同时考虑异常的光谱与空间特性实现了卓越性能。合成与真实高光谱数据集的实验结果表明，相较于多种先进AD检测器，本方法具有显著优势。
关键词： 异常检测、背景估计、低秩与稀疏矩阵分解、高光谱影像、端元提取
更新于2025-09-23 15:23:52
-
[IEEE 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 神户(2018.5.28-2018.5.31)] 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 一种改进的带MPPT的岛屿光伏发电系统建模方法
摘要： 单纯形最大距离（SMD）算法基于这样的原理：与已知端元构成的单纯形距离最远的像素最可能是下一个端元。然而该算法需要计算单纯形法向量、单纯形与直线的交点等中间变量，导致计算复杂度高。此外，高光谱图像中的高亮度点、异常值及孤立噪声点常被SMD误提取为端元。针对这两项缺陷，本文提出改进单纯形最大距离（ISMD）算法。为简化计算流程，ISMD将像素到单纯形的距离定义为相邻维度平行多面体的体积比?；袢∷邢袼氐较钟械ゴ啃蔚木嗬牒?，根据光谱角从较大距离的多个像素中筛选相似像素集，通过取平均值得到新端元。通过模拟数据和真实AVIRIS图像评估ISMD算法，在模拟图像中比SMD更准确地提取了真实端元；对于AVIRIS图像，ISMD获取的端元与USGS光谱库对应矿物的光谱角更小。
关键词： 端元提取、超平面、高光谱图像、单纯形最大距离构型
更新于2025-09-11 14:15:04
-
基于改进双线性模型的卫星图像无监督非线性光谱解混
摘要： 卫星影像中像素混合现象更为普遍。因此，采用光谱解混方法对卫星图像进行亚像元分类。许多解混研究基于像素线性混合（单一作用）的假设，但实际场景中由于相互作用，像素呈现非线性混合。Fan模型和广义双线性模型仅考虑双线性作用进行非线性解混。现实中，图像中还存在各类别间的多重相互作用。本研究提出"改进双线性模型"这一新模型，通过综合考量单一、双线性及多重相互作用来实现非线性解混过程。该系统能根据非线性参数自适应调整每个像素的混合模型。经多光谱、合成及真实高光谱数据集验证，相比其他方法展现出显著优势。
关键词： 多次交互、光谱解混、端元提取、非线性解混
更新于2025-09-10 09:29:36
-
一种基于稀疏分量分析的高光谱遥感影像端元提取新方法
摘要： 光谱解混（SU）技术是解决高光谱遥感影像（HSI）中混合像元问题的有效方法。在该过程中，端元提取算法（EEA）对生成物质丰度图至关重要。然而，由于传感器分辨率较低及地表覆盖特征分布的复杂多样性，传统EEA可靠性不足，且端元相互独立的假设也会受到影响。为克服上述局限，本文提出一种基于稀疏分量分析的高光谱遥感影像新型端元提取方法（EESCA）。该方法假设图像场景中每个像素都是所有端元的稀疏线性混合：首先通过超线聚类算法，在端元混合矩阵初始化后考虑所有像素的子空间聚类，以增大地物间差异并帮助寻找光谱差异较小的端元；随后采用K-SVD方法，根据混合矩阵中汇总的系数进行稀疏表示来搜索真实端元。该方法通过最小化残差将纯端元提取问题转化为优化问题。研究选取四种先进方法与EESCA进行性能对比，通过模拟影像和真实卫星影像验证了所提算法的鲁棒性。实验结果表明，EESCA在光谱角距离（SAD）和均方根误差（RMSE）指标上优于其他方法，尤其能针对光谱差异较小的地物准确识别端元。
关键词： 稀疏成分分析、端元提取、高光谱影像、光谱解混
更新于2025-09-10 09:29:36