为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization,CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并...为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization,CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并利用提取的端元进行光谱角匹配(Spectral Angle Mapping,SAM)分类来确定两个重要的分类:舰船类和海水类;从所有像元中减去舰船类像元作为背景像元,通过基于纯背景像元加权自相关矩阵的SAM-CEM算法计算探测结果;通过分类图像来获得只包含海水和舰船的灰度图像,并进行二值化和数学形态学处理,寻找范围最大的白色区域为海水区域;通过对目标探测图像进行二值化,利用舰船目标在海水中的特点,去除不在海水区域内的虚警目标,从而确定最终的舰船目标.实验结果表明:该算法能够更好地增强目标信号而抑制背景信号,从而避免了加权自相关CEM算法中目标信号作为背景信号参与运算而对探测结果的影响,在对海面舰艇的目标探测中取得了令人满意的结果.展开更多
文摘为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization,CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并利用提取的端元进行光谱角匹配(Spectral Angle Mapping,SAM)分类来确定两个重要的分类:舰船类和海水类;从所有像元中减去舰船类像元作为背景像元,通过基于纯背景像元加权自相关矩阵的SAM-CEM算法计算探测结果;通过分类图像来获得只包含海水和舰船的灰度图像,并进行二值化和数学形态学处理,寻找范围最大的白色区域为海水区域;通过对目标探测图像进行二值化,利用舰船目标在海水中的特点,去除不在海水区域内的虚警目标,从而确定最终的舰船目标.实验结果表明:该算法能够更好地增强目标信号而抑制背景信号,从而避免了加权自相关CEM算法中目标信号作为背景信号参与运算而对探测结果的影响,在对海面舰艇的目标探测中取得了令人满意的结果.