一种基于光谱角字典构造稀疏表达的高光谱目标检测方法

摘要

由于光谱变异性现象在高光谱图像数据中所具有的普遍性,经常导致"同物异谱"现象,高光谱目标检测结果受先验目标特征的影响很大,检测性能受到很大影响.因此提出一种基于稀疏表示的方法来生成优化的目标光谱,当缺乏关于感兴趣目标对象的全面信息时,通过稀疏字典重构的方法优化目标,然后由一组选定的字典生成像素,这些像素包含具有不同状态的目标信号,用来优化先验目标签名.最后将先验目标用稀疏字典重构的方式,利用光谱角分别构造目标训练和背景训练样本,使得来自有限目标训练的样本能够减轻光谱变异性对高光谱目标检测的影响.实验结果表明:该方法在不同数据集中具有良好的检测效果和精度,尤其在AVIRIS数据集中的检测精度高达0.9978,优于其他典型检测算法.