基于低秩稀疏表示和约束能量最小的高光谱目标检测方法技术

本发明专利技术公开了一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法，主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括：1)利用光谱信息散度和空间上下文显著性构建目标字典和背景字典；2)建立目标函数，将高光谱图像分解成低秩成分、稀疏成分和残差成分，并对低秩背景系数施加约束能量最小正则项约束；3)利用背景字典构建子空间检测器、目标字典空间索引构建目标引导图，分别对低秩背景项和稀疏目标项进行优化；4)对两种结果进行非线性融合得到最终检测结果。本发明专利技术通过结合基于高性能字典的空间和光谱优势，双字典低秩稀疏模型的先验优势，并以由粗到细的方式进行优化，有效提升了高光谱目标检测性能。

【技术实现步骤摘要】

本专利技术属于高光谱遥感图像处理，进一步涉及高光谱目标检测，具体为一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法，可用于矿物勘探、海上舰船探测、植被检测等。

技术介绍

1、高光谱目标检测旨在从场景中寻找与已知目标先验光谱相似的像素。高光谱目标检测在需要先验知识的条件下区分背景与目标。在寻找特定目标光谱的任务中具有独特的优势，高光谱目标检测被广泛应用于地球科学、环境检测、农业、气象学等领域。

2、近些年来，在高光谱目标检测领域，基于双字典的低秩稀疏表示的方法引起了科研人员的广泛关注。如shen dunbin等人在文献“hyperspectral target detection basedon tensor rpcawith constrained energy regularization”中提出了一种具有约束能量正则化的张量鲁棒性主成分分析的高光谱目标检测方法，该方法虽然利用了高光谱图像中低秩稀疏特性和目标先验光谱，但是仍然难以刻画复杂场景。feng shou等人在文献“adaptively dictionary constructi本文档来自技高网...

【技术保护点】

1.一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法，其特征在于，包含步骤如下：

2.根据权利要求1所述的方法，其特征在于：步骤(1.2)所述上下文显著性检测算法，具体为一种基于凸壳中心先验的图正则显著性检测算法，对超像素块使用该算法得到空间显著图，具体步骤如下：

3.根据权利要求1所述的方法，其特征在于：步骤(2)中引入的约束能量最小正则项具体是指所有背景原子经过约束能量最小检测器CEM的能量之和；其中w*＝R-1d*/(d*)TR-1d*，R表示高光谱图像的协方差矩阵，d*表示目标字典中所有原子的平均向量，行扩展后得到一个N行的矩阵F：

4....

【技术特征摘要】

1.一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法，其特征在于，包含步骤如下：

2.根据权利要求1所述的方法，其特征在于：步骤(1.2)所述上下文显著性检测算法，具体为一种基于凸壳中心先验的图正则显著性检测算法，对超像素块使用该算法得到空间显著图，具体步骤如下：

3.根据权利要求1所述的方法，其特征在于：步骤(2)中引入的约束能量最小正则项具体是指所有背景原子经过约束能量最小检测器cem的能量之和；其中w*＝r-1d*/(d*)tr-1d*，r表示高光谱图像的协方差矩阵，d*表示目标字典中所有原子的平均向量，行扩展后得到一个n行的矩阵f：

4.根据权利要求3所述的方法，其特征...

【专利技术属性】
技术研发人员：张敏，朱源毅，王海，林生，赵少博，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：