陆军工程大学石家庄校区 电子与光学工程系, 石家庄 050003
针对协同表示的高光谱异常目标检测算法的异常点敏感问题, 提出了一种基于背景纯化的改进协同表示的高光谱异常目标检测算法。利用扩展数学形态学的膨胀操作消除局部背景模型中可能存在的异常点, 从而得到更为纯净的背景字典, 能够有效地消除检测过程中异常点对检测效果的负面影响, 从而提高检测精度。采用该算法对高光谱数据进行仿真实验, 并与现有算法进行对比, 结果表明该算法具有更好的检测效果。
高光谱 异常目标检测 异常点 扩展数学形态学 背景字典 hyperspectral anomaly target detection anomaly points extended mathematical morphology backedground dictionary
提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下，同时利用光谱和空间信息实现目标的定位与检测，实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取，采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价，与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明，所提出的算法性能优于其他两种算法，具有低虚警率的亚像元目标检测结果。
扩展数学形态学 光谱角度匹配 高光谱图像 端元提取 亚像元目标检测 extended mathematical morphology spectral angle mapping hyperspectral image endmember extraction subpixel target detection 红外与激光工程
2015, 44(10): 3141
北京航空航天大学仪器科学与光电工程学院精密机电一体化技术教育部重点实验室, 北京 100083
提出了一种新型的基于扩展数学形态和光谱相似度测量的高光谱图像异常检测方法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱遥感数据的目标检测。通过扩展的膨胀和腐蚀操作实现目标特征提取; 通过正交投影散度计算扩展形态学操作的累加距离确定排序关系并利用其融合特征提取结果实现特征提取结果的融合。算法性能通过合成的OMIS数据进行评价,与经典异常检测RX算法进行比较,并应用于具有相似光谱特征目标的区分。实验证明,本文提出的算法性能优于RX算法,具有低虚警率的异常目标检测结果,并且能够较好地区分了相似光谱特征的异常目标。
遥感 高光谱数据处理 异常检测 扩展数学形态学 正交投影散度
北京理工大学 信息科学技术学院电子工程系，北京 100081
传统的边缘检测方法对噪声敏感，抑制噪声能力差；基于经典形态学的边缘检测方法虽然具有较好的去噪能力，但不能反映全部的边缘特性。为此给出了一种扩展的数学形态学的定义，并提出了一种基于扩展数学形态学的边缘检测方法。仿真结果表明，该方法不仅能有效地去除噪声，而且通过检测所得到的边缘图像具有良好的边缘特性。
扩展数学形态学 边缘检测 噪声抑制 膨胀 腐蚀 extended mathematical morphology edge detection noise suppression dilation erosion
