-
公开(公告)号：CN105427300B
公开(公告)日：2018-08-07
申请号：CN201510780676.1
申请日：2015-12-21
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域,具体为种基于低秩表示和学习字典的高光谱图像异常探测算法。本发明通过在异常探测问题中引入低秩表示的方法,将二维的高光谱图像数据分解为表示背景的低秩矩阵和表示异常的稀疏矩阵之和,然后将基本的异常探测算法作用在稀疏矩阵上得到异常探测的结果。更进步,该发明在低秩表示算法中引入了学习字典的概念,该学习字典通过随机选择并且梯度下降的算法获得,可以表示高光谱图像的背景光谱。学习字典的引入使得异常信息能更好地从高光谱图像数据中分离出来,从而获得更优的探测效果,同时能够提高算法对初始参数的鲁棒性,降低计算开销,在实际的异常探测应用方面有着重要的价值。
-
公开(公告)号：CN105427300A
公开(公告)日：2016-03-23
申请号：CN201510780676.1
申请日：2015-12-21
Applicant: 复旦大学
IPC: G06T7/00
CPC classification number: G06T7/00 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于低秩表示和学习字典的高光谱图像异常探测算法。本发明通过在异常探测问题中引入低秩表示的方法，将二维的高光谱图像数据分解为表示背景的低秩矩阵和表示异常的稀疏矩阵之和，然后将基本的异常探测算法作用在稀疏矩阵上得到异常探测的结果。更进一步，该发明在低秩表示算法中引入了学习字典的概念，该学习字典通过随机选择并且梯度下降的算法获得，可以表示高光谱图像的背景光谱。学习字典的引入使得异常信息能更好地从高光谱图像数据中分离出来，从而获得更优的探测效果，同时能够提高算法对初始参数的鲁棒性，降低计算开销，在实际的异常探测应用方面有着重要的价值。
-
公开(公告)号：CN106326926A
公开(公告)日：2017-01-11
申请号：CN201610712636.8
申请日：2016-08-23
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种针对高光谱图像目标探测问题的目标光谱学习方法。本发明由基于自适应权重的目标光谱学习算法和自完备字典构造方法两部分组成。前一部分内容是在已有完备的背景字典的情况下，通过稀疏编码和梯度下降算法来优化学习目标光谱，后一部分内容通过背景字典的不断扩充来确保该字典的完备性，从而保证学习算法的准确性。本发明通过提取准确的目标光谱，可以有效地提高高光谱遥感图像目标探测算法的效果，在实际应用中有着重要的价值。
-
公开(公告)号：CN106326926B
公开(公告)日：2020-05-26
申请号：CN201610712636.8
申请日：2016-08-23
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种针对高光谱图像目标探测问题的目标光谱学习方法。本发明由基于自适应权重的目标光谱学习算法和自完备字典构造方法两部分组成。前一部分内容是在已有完备的背景字典的情况下，通过稀疏编码和梯度下降算法来优化学习目标光谱，后一部分内容通过背景字典的不断扩充来确保该字典的完备性，从而保证学习算法的准确性。本发明通过提取准确的目标光谱，可以有效地提高高光谱遥感图像目标探测算法的效果，在实际应用中有着重要的价值。
-
-
-
Search Results
4
records
(took 0.013 seconds)
