- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
一种基于灰度共生矩阵特征和互信息的高光谱图像降维与分类新滤波器
摘要： 降维是高光谱图像分类（HSI）的重要预处理步骤，也是不可避免的任务。一些方法采用基于光谱和空间信息的特征选择或提取算法。本文提出一种新的高光谱图像降维与分类方法，该方法综合考虑基于互信息的光谱与空间信息。我们通过灰度共生矩阵（GLCM）提取的纹理特征来表征空间信息，具体使用同质性、对比度、相关性和能量四个指标。分类任务采用支持向量机（SVM）。实验在三个知名的高光谱基准数据集上进行，将所提算法与现有先进方法进行对比。融合结果表明，本方法在保证良好时效性的同时提高了分类精度，优于其他方法。该算法仍有进一步优化的潜力。
关键词： 高光谱图像、光谱与空间特征、分类、支持向量机、互信息、灰度共生矩阵、GLCM、支持向量机
更新于2025-09-23 15:21:21
-
基于紧凑字典的稀疏表示高光谱图像分类
摘要： 本文提出了一种基于紧凑字典的稀疏表示（CDSR）方法用于高光谱图像（HSI）分类。该方法中的字典根据每个像素的空间和光谱上下文动态生成，由于该紧凑字典由与目标像素在空间位置和光谱信息上相关的类别组成，因此能有效缩小分类决策范围并降低计算负担。为获取更优的空间上下文信息，设计了一种空间位置扩展策略以将局部显式标签信息传播至更广区域。实验结果表明，与一些常用的高光谱图像分类方法相比，所提方法具有有效性和优越性。
关键词： 紧凑词典，高光谱图像，稀疏表示，分类
更新于2025-09-23 15:21:21
-
高光谱图像的分层亚像素异常检测框架
摘要： 异常检测是高光谱处理中的一项重要任务。先前基于统计信息的一些研究聚焦于Reed-Xiaoli（RX）算法，因为这是最经典且常用的方法之一。然而当异常目标尺寸小于空间分辨率时，其性能往往会受到影响。这些亚像素级异常目标光谱通常与背景光谱高度相似，可能导致传统RX方法出现误报。为解决该问题，本文提出分层RX（H-RX）异常检测框架以提升性能。所提出的H-RX方法由多个不同层级的原始RX异常检测器构成。每层级中，通过非线性函数约束每个像素的RX输出值，并将其作为系数作用于下一迭代的该像素光谱。此外，我们设计了空间正则化层来增强亚像素异常检测性能。为更好阐释该分层框架，我们提供了关于分层背景光谱约束与正则化过程的理论解释。在三个高光谱图像上的大量实验表明，所提异常检测算法优于原始RX算法及其他一些经典方法。
关键词： 高光谱图像（HSI）分析、RX算法、层次结构、异常检测
更新于2025-09-23 15:21:01
-
[2018年IEEE国际消费电子大会-亚洲分会(ICCE-Asia) - 韩国济州(2018.6.24-2018.6.26)] 2018 IEEE国际消费电子大会-亚洲分会(ICCE-Asia) - 高光谱成像中化学战剂检测的迭代归一化匹配滤波方法
摘要： 高光谱成像（HSI）可用于远距离检测有害化学战剂（CAs）云团。归一化匹配滤波器（NMF）是在背景统计特性完全已知时检测大气中化学战剂的最佳算法之一。然而当背景受到化学战剂信号影响（即污染条件）时，NMF探测器的性能会下降。为设计抗污染的NMF探测器，我们提出迭代归一化匹配滤波器（INMF）。该算法利用受污染的NMF探测器从含污染背景光谱数据集中提取无化学战剂的光谱，再基于提取的无污染背景光谱设计NMF探测器，该过程迭代至收敛。仿真结果表明，所提算法显著提升了检测性能。
关键词： 气体检测，归一化匹配滤波器，高光谱图像
更新于2025-09-23 15:21:01
-
基于伏安控制的光伏发电弃光量估算
摘要： 恢复处理对高光谱图像（HSI）预处理至关重要，能提升其视觉质量及目标检测/分类的准确性。本文提出一种新型低秩光谱非局部方法（LRSNL），可同步消除高斯噪声、椒盐脉冲噪声以及条纹和坏点线等固定模式噪声的混合干扰。该方法利用低秩（LR）特性获取预清洁图像块，进而在我们的光谱非局部方法（SNL）中实现更优聚类。SNL方法兼顾光谱与空间信息，在去除混合噪声的同时保留图像精细结构。合成数据与真实数据的实验表明，LRSNL虽结构简单却能有效实现高光谱图像复原。
关键词： 非局部均值、高光谱图像、光谱与空间信息、复原、低秩（LR）
更新于2025-09-23 15:19:57
-
工业高光谱成像系统的在线解卷积
摘要： 本文提出了一种高光谱图像解卷积算法，用于对摆扫和推扫扫描系统提供的高光谱图像进行在线恢复。我们引入了一个基于最小均方（LMS）的框架，该框架考虑了卷积核的非因果性，并包含非二次（零吸引和分段常数）正则化项。由此产生了所谓的滑动块正则化LMS（SBR-LMS），其保持了与工业应用中实时处理兼容的线性复杂度。推导了该算法均值和均方瞬态行为的模型，并研究了稳定性条件。通过实验评估了每个超参数的作用。所提出的SBR-LMS的一个关键特性是，在低信噪比场景（如超快速扫描）中，其性能优于标准方法。
关键词： 高光谱图像，LMS，ZA-LMS，在线解卷积
更新于2025-09-22 16:55:51
-
CTIS图像重建的低秩估计方法
摘要： 计算断层扫描图像光谱仪（CTIS）是一种快照式高光谱成像技术，能够在动态场景中获取高光谱图像。然而，传统无显式约束的图像重建方法会引入高频噪声。低秩特性已应用于高光谱图像去噪并取得显著效果。我们开发了一种针对CTIS图像重建的低秩估计（LRE）有效方法，在重建图像的图像质量和光谱质量方面均显示出显著提升。与传统方法相比，LRE高光谱图像的峰值信噪比可提高8分贝，光谱-角度映射误差可降低至四分之一。
关键词： 计算机断层扫描图像光谱仪、图像重建、低秩估计、高光谱图像
更新于2025-09-23 01:39:02
-
MCK-ELM：用于高光谱图像的多复合核极限学习机
摘要： 多种核学习（MKL）方法对提升分类性能具有重要影响。此外，复合核（CK）方法因能利用上下文信息，在高光谱图像分析方面展现出强大能力。本研究旨在无需人工调整核系数的情况下，自主聚合复合核与多种核。通过多重核极限学习机实现预定义核函数的凸组合，从而摒弃标准MKL的复杂优化过程，并发挥多类分类的优势。为构建混合核场景，将不同类型核函数纳入多种核框架。所提方法在具有真实标签的帕维亚大学、印度松和萨利纳斯高光谱数据集上进行验证。采用高斯核、多项式核和具有不同参数的对数核函数构建多个复合核，随后将所得结果与当前先进的标准机器学习方法、MKL及CK方法进行对比展示。
关键词： 多核学习、复合核、混合核、极限学习机、高光谱图像
更新于2025-09-23 04:36:11
-
使用深度网络和核方法时去噪对高光谱图像分类的影响
摘要： 高光谱图像（HSI）通过电磁波谱中多个连续波段存储单一场景或物体的反射率值。当图像被记录时，部分光谱波段中的信息会与噪声混合。高光谱图像的分类精度与光谱波段群中噪声的数量和性质成反比。因此，去噪是分类、解混等图像处理应用的基本前提。本文比较了通过向量卷积神经网络（VCNN）、基于核的支持向量机（SVM）以及广义统一正则化最小二乘法（GURLS）分类器进行去噪的效果。分类器分别采用原始数据（未去噪）和经光谱-空间最小二乘（LS）技术去噪后的数据进行测试。由于输入网络的数据以像素形式呈现，我们将该卷积神经网络称为VCNN。实验在三个标准高光谱数据集上进行，分类器的性能评估基于整体精度和类别精度。
关键词： CNN，最小二乘去噪，IBBC，GURLS，LIBSVM，高光谱图像
更新于2025-09-23 16:19:09
-
面向运行时自适应无损高光谱压缩的可扩展硬件在轨处理技术
摘要： 高光谱数据处理是一项计算密集型任务，通常在高性能计算集群中完成。然而在遥感场景中，由于通信成本高昂，需要在数据采集边缘端进行压缩处理，再将信息传输至地面站进一步分析。此外，高光谱图像压缩器必须满足最低性能与能效要求，以应对传感器实时性需求和可用功率预算的限制。因此这类压缩器通常以专用硬件加速器的形式，部署在昂贵的航天级电子设备中。但近年来，这些设备开始与低成本商用方案共存——在面向研究的小型卫星任务（如立方星）中，非传统技术（如运行时硬件重构）正被评估应用。本文提出了一种基于商用现货器件实现低复杂度无损高光谱压缩算法（即CCSDS 123标准）的运行时重构方案。该方案采用基于FPGA的星载处理架构，通过数据并行执行模型透明管理可配置数量的资源高效硬件核心，动态调节吞吐量与能效比。实验表明：相比当前最先进的高光谱压缩器，本方案具有竞争力；其并行化方案对压缩率的影响在性能提升与能耗改善方面处于可接受范围?？衫┱剐圆馐越徊街っ?，通过调整硬件加速器数量可实现压缩吞吐量与能效的运行时自适应——这一特性对于需求随时间变化（如通信带宽或功率预算变动）的航天场景具有重要价值。
关键词： 动态与部分重配置、现场可编程门阵列、数据压缩、高性能嵌入式计算、星载处理、高光谱图像
更新于2025-09-23 17:19:29