【技术实现步骤摘要】
一种高光谱图像目标检测算法
[0001]本专利技术属于图像检测领域，具体涉及一种高光谱图像目标检测算法。
技术介绍
[0002]高光谱遥感图像因其能够提供成像场景中地物目标丰富的光谱特性信息，被广泛应用于地物分类、目标检测等领域。通过分析不同材料的光谱特性，就能够对场景中的感兴趣目标进行检测与识别。根据是否存在光谱先验信息，可将检测进一步分为无监督的异常检测以及有监督的基于目标光谱特征的目标检测。本专利所提出的算法属于有监督的高光谱目标检测，即通过少量的目标光谱先验信息，通过特定算法对高光谱图像进行处理，将图像中各个像素分为背景与目标两大类。
[0003]高光谱图像目标检测中，由于目标通常只占整个图像中的很小一部分，可利用的训练数据集相当有限，这就对高光谱图像目标检测提出了严峻挑战。传统目标检测算法主要是基于多变量统计分析与信号处理，包括光谱匹配滤波SMF、正交子空间投影OSP以及与之对应的基于核函数的检测算法。随着近些年来稀疏表示的广泛应用，基于稀疏分解的分类也越来越多地应用于高光谱图像的目标检测。即便如此，由于噪...
【技术保护点】
【技术特征摘要】
1.一种高光谱图像目标检测算法，其特征在于，包括以下步骤：对高光谱图像数据进行归一化处理，使所述高光谱图像数据取值范围在0到1之间；将已知数量为5至20的目标光谱样本的类别标签标记为1，其余所有待检测光谱的类别标签标记为0，组成训练集数据，用于训练生成对抗网络；以多层全连接网络为基础构建生成对抗网络，所述生成对抗网络包括生成器与判别器两部分；将带有类别标签的目标光谱样本及待检测光谱作为生成对抗网络的输入，生成器用于产生虚拟光谱，而判别器在判别光谱真伪的同时，也作为分类器预测输入光谱的类别标签；利用后向传播算法对整个网络进行训练，更新判别器与生成器的网络权重；在网络收敛或是迭代次数达到1500至2000之后，进入检测过程，将高光谱图像中的待检测光谱同时作为网络中判别器和分类器的输入，通过之前训练获得的分类器计算各像素的类别标签概率；收集各像素的类别标签概率，利用图像空间的平滑特性对初步检测结果进行引导滤波，获得最终检测图。2.根据权利要求1所述的高光谱图像目标检测算法，其特征在于，所述生成器由多层全连接层组成，除输出层采用双曲正切tanh作为激活函数以外，其它的全连接层均采用Leaky ReLU作为激活函数：判别器同样由若干全连接层构成，包括一个分支结构，分别输出真伪判别结果以及类别标签；除输出层采用Sigmoid函数作为激活函数以外，其它的全连接层均采用ReLU作为激活函数：以及ReLU(x)＝max(x，0)。3.根据权利要求2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。