文献类型：期刊文章

作　　者：王威[1] 陈俊伍[1] 王新[1]

WANG Wei;CHEN Jun-wu;WANG Xin(Hunan Provincial Key Laboratory of Intelligent Processing of Big Data on Transportation,School of Computer and Communication Engineering,Changsha University of Science&Technology,Changsha 410114,China)

机构地区：[1]长沙理工大学计算机与通信工程学院综合交通运输大数据智能处理湖南省重点实验室,长沙410114

出　　处：《计算机科学》

基　　金：国防973基金项目(613XXX0301);湖南省教育厅科研课题(17C0043)资助

年　　份：2018

卷　　号：45

期　　号：10

起止页码：276-280

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：随着分辨率的提高,遥感图像空间包含的有用信息越来越丰富,这使得遥感数据的处理变得更加复杂,容易发生维数灾难并影响识别效果。针对这一情况,提出一种自适应加权特征字典与联合稀疏相结合的遥感图像目标检测方法(GJ-SRC)。首先将训练图像和待测图像进行Gabor变换以提取特征图像。然后计算各个特征值在进行稀疏表示时的贡献权重,通过自适应方法构造特征字典,使字典具有更强的判别能力。最后,提取每一类图像的公共特征和单个图像的私有特征构成联合字典,并利用测试图像稀疏表示进行目标检测识别。为了避免Gabor变换产生的维数灾难,在处理过程中采用PCA方法对特征字典进行降维,以降低计算成本。实验表明,与现有的SRC方法和遥感目标检测方法等相比,所提方法具有较好的检测效果。

关 键 词：遥感目标  稀疏表示  GABOR变换 联合稀疏  

分 类 号：TP391]