空间4-邻域稀疏表示的高光谱图像目标检测

稀疏表示方法在高光谱图像目标检测中取得了较好的检测效果,但其只利用了图像的光谱信息,没有考虑空间信息.针对高光谱图像的空间相关性对目标检测算法的影响,提出了分别采用4-邻域平滑稀疏模型和4-邻域联合稀疏模型对高光谱图像进行目标检测的算法,将目标像素及其4-邻域像素的稀疏表示综合考虑,提高检测算法的效果和效率.使用3组高光谱图像数据进行了仿真实验,实验结果表明,所提出的2种方法分别在检测效果和计算效率上有一定程度的提高.

基于4-邻域的运动目标提取改进算法

目标提取是图像模式识别的基本要素。传统的8-邻域目标提取算法可以提取目标,但是却不能区分不同的目标。在传统的8-邻域目标提取算法的基础上加以改进,采取基于4-邻域的目标提取算法,本算法通过4-邻域确定中心点像素的值,并同时能够区分目标,提取目标参数。通过实验显示,改进的算法能够提高目标识别的速度和精度,并能够改善系统的整体性能,在实际应用中取得较好的效果。

基于4-邻域的运动目标提取改进算法

目标提取是图像模式识别的基本要素，目前的大部分算法是根据8-邻域确定像素的值，从而检测目标的边缘，获得目标的基本轮廓。这种传统的方法可以提取目标，但是却不能区分不同的目标。在传统的8-邻域目标提取算法的基础上加以改进，提出基于4-邻域的目标提取算法。该算法通过4-邻域确定中心点像素的值，并同时能够区分目标，提取目标参数。通过实验显示，改进的算法能够提高目标识别的速度和精度，并能够改善系统的整体性能，’在实际应用中取得较好的效果。

关于T_(2(3/4))-分离型邻域空间

对邻域空间的研究已经有了一些结果,本文在此基础上引入了T_(2(3/4))-分离型邻域空间,着重讨论了它的重要性质,并给出两个重要反例,最后推导了T_(2(3/4))-分离型邻域空间与T_i(i=3(1/2),3,21/2(,2,1)-型邻域空间相互间的关系。