一种高光谱图像智能目标检测方法技术

本发明专利技术公开了一种高光谱图像智能目标检测方法，属于人工智能领域。所述方法包括：同时考虑测试像素及其八个邻域像素，获得测试像素及其八个邻域像素的多方向检测结果；构建光谱角映射(SAM)和皮尔森相关系数联合加权(SAP)策略，为测试像素及其八个邻域像素的多方向检测结果获取权重系数；将测试像素及其八个邻域像素的多方向检测结果与权重系数相乘得到最后的检测结果。采用本发明专利技术，能够提高高光谱图像目标检测的精度。

【技术实现步骤摘要】

本专利技术涉及人工智能，特别涉及一种高光谱图像智能目标检测方法。

技术介绍

1、近年来，高光谱图像因其描述了地物的空间分布及其丰富的光谱信息在对地观测领域受到了广泛的关注，基于高光谱图像的地面感兴趣目标检测算法成为高光谱图像的热点话题之一。如今，高光谱图像目标检测已经广泛地应用在矿产探明、病灶诊断、军事侦察以及环境监测等领域。

2、早期的一些高光谱图像目标检测算法中，目标与背景中其他地物的反射光谱的差异性被用作为检测的依据，这种差异性通常采用计算被检测像素与先验目标光谱的欧氏距离(ed)、光谱信息散度(sid)以及光谱角映射(sam)获得。然后，一些基于统计学的方法被进一步提出。例如，自适应相干估计器(ace)和匹配滤波器(mf)将目标检测问题设计为一个基于高斯分布的二元假设检验问题。此外，基于约束能量最小化(cem)的方法被进一步研究以实现突出目标信息并抑制背景信息的目的。接着，以基于稀疏表示(sr)的目标检测器为代表的机器学习方法被广泛研究。例如，基于稀疏表示的检测算法(std)通过构建目标和背景像素的完备字典从而求解稀疏向量，实现满意的检本文档来自技高网...

【技术保护点】

1.一种高光谱图像智能目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的高光谱图像智能目标检测方法，其特征在于，所述步骤S1中获得测试像素及其八个邻域像素的多方向检测结果，用公式描述为：

3.根据权利要求1所述的高光谱图像智能目标检测方法，其特征在于，所述步骤S2中构建SAP策略，为测试像素及其八个邻域像素的多方向检测结果获取权重系数，具体实现方式如下：

4.根据权利要求3所述的高光谱图像智能目标检测方法，其特征在于，所述步骤S2中SAM和皮尔森相关系数，用公式描述为：

5.根据权利要求1所述的高光谱图像智能目标检测方法，其...

【技术特征摘要】

1.一种高光谱图像智能目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的高光谱图像智能目标检测方法，其特征在于，所述步骤s1中获得测试像素及其八个邻域像素的多方向检测结果，用公式描述为：

3.根据权利要求1所述的高光谱图像智能目标检测方法，其特征在于，所述步骤s2中构建sap策略，为测试像素及其八个邻域像素的多方...

【专利技术属性】
技术研发人员：李臣明，陆政涛，高红民，
申请(专利权)人：河海大学，
类型：发明
国别省市：