期望最大化聚类的高光谱亚像素目标检测

针对高光谱目标检测中复杂背景的影响,提出一种基于期望最大化聚类的亚像素目标检测方法,利用背景分解来描述复杂背景.首先,采用期望最大化聚类法实现高光谱图像的背景分解.然后,将背景子空间模型应用于分解得到的场景.由于分解得到的场景更加单一,因此该方法更适合于复杂背景下的亚像素目标检测.将提出的方法应用于实际的高光谱图像,实验结果表明这种方法具有更好的检测性能.

空天背景下红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立与之相应的框架模型,对于这种含参信号的复合假设检验,采用广义似然比检验(GLRT)得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子.采用人工合成的多光谱红外图像序列对其进行测试,评估该算法的有效性,结果说明,该算法对于低信噪比条件下的弱小运动目标具有良好的检测效果.