1 火箭军工程大学核工程学院,西安 710025
2 火箭军士官学校,山东 青州 262500
针对目前已有的高光谱异常检测算法大多只利用了高光谱图像的光谱维信息,而没有体现高光谱数据“图谱合一”的优势,导致算法检测性能不佳的问题,提出了一种基于非局部自相似性的高光谱异常检测(NLSSAD)算法。首先建立双立体窗,其中内窗表示待测像素光谱向量的空间—光谱三维结构窗,之后在背景中寻找与内窗最为相似的立体窗,并计算二者之间的距离从而得到待测像素光谱向量的非局部自相似性指数,并得到异常检测结果。实验结果表明,与现有的算法相比,所提算法在检测率和运算速度上均有较好的表现。
高光谱图像 异常检测 非局部自相似性 hyperspectral image anomaly detection non-local self-similarity
配准速度和精度是SAR图像配准效果的两个重要评价指标。SIFT算法是图像特征提取和描述的经典算法, SIFT特征具有尺度和旋转不变性, 但SIFT算法的128维描述子在图像配准时会极大影响配准速度。为提高图像配准速度, 首先提取图像SIFT特征点, 然后用ORB算法定义特征点主方向的方法, 赋予特征点主方向, 最后结合特征点邻域图像块的矩特征, 形成8维描述子, 对图像中的SIFT特征点进行描述, 实现SAR图像配准。实验结果表明, 本文方法在保持SAR图像配准精度的前提下, 极大程度地提高了配准速度。
SAR图像 图像配准 SIFT算法 矩特征 SAR images image registration SIFT algorithm moment feature