细分的效率为高光谱目标检测的细分.
Yoram Furth1, Stanley R Rotman1
1Department of Electrical and Computer Engineering, Ben-Gurion University of the Negev, Beer Sheva blvd 1, Beer-Sheva 84105, Israel.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
细分可以通过正确描述数据集来改善超谱成像目标检测. 本研究解释了细分何时有利于探测器性能,并为其使用提供了实际指导方针.
科学领域:
- 遥感 遥感 遥感 遥感
- 信号处理 信号处理
- 图像分析 图像分析
背景情况:
- 超光谱成像算法经常使用光谱反共变矩阵来降低噪音.
- 超光谱成像中的数据立方体可能缺乏静止性,使细分成为潜在有用的预处理步骤.
- 现有的文献在针对目标检测的细分的有效性方面呈现了相互矛盾的结果.
研究的目的:
- 为了澄清图像细分可以提高超光谱目标检测性能的条件.
- 为评估细分对检测算法的影响提供理论和实践指导.
- 确定细分提供优势的特定目标场景和参数.
主要方法:
- 对影响细分效益的有影响因素的理论分析.
- 使用代表性目标检测算法进行广泛的模拟.
- 专注于在非静止的超光谱数据立方体中对目标添加模型的研究.
主要成果:
- 确定了决定细分在提高探测器性能方面的成功的关键因素.
- 量化了对细分有利的目标场景和参数的范围.
- 为评估细分对检测结果的影响提供了一个框架.
结论:
- 细分在超光谱目标检测中的实用性是有条件的,取决于特定的数据和目标特征.
- 了解这些条件可以明智地应用细分策略.
- 这项研究为优化超光谱数据分析和目标检测提供了实际指导方针.


