版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著高光譜成像技術的發(fā)展,高光譜圖像的數(shù)據(jù)量急劇增大,給高光譜圖像的目標檢測帶來了一系列的問題,如對光譜高維數(shù)據(jù)快速、精確地目標檢測等問題。在對高光譜圖像進行目標檢測時,如果對全部數(shù)據(jù)以相同的方式處理,處理效率會極其低下。此時可以利用人類視覺系統(tǒng)中的視覺注意機制,首先快速檢測出若干目標區(qū)域進行優(yōu)先處理,再對提取出的目標區(qū)域進行分析及后續(xù)處理,從而極大地提升了處理效率和精度,可滿足大量實時化的應用需求。
考慮到傳統(tǒng)高光譜圖像目標
2、檢測方法低效率和低精度的缺點,本文對基于人類視覺注意機制的高光譜圖像目標檢測進行了重點研究,其中包括三個關鍵技術,具體如下:
首先是計算自底向上的高光譜目標檢測視覺注意模型。依據(jù)高光譜圖像具有圖譜合一的特點,提出了提取其初級視覺特征的方法,包括邊緣強度、光譜平均輻射強度、光譜最大輻射強度及光譜輻射強度分布等特征提取,這些特征充分包含了高光譜圖像的圖像和光譜信息,由此,本文提出了一種計算高光譜圖像顯著度的方法。
其次是
3、計算自頂向下的高光譜目標檢測視覺注意模型。本文在分析了特定目標的光譜譜線信息后,提出了一種計算高光譜圖像的高級視覺特征的方法,包括提取高光譜圖像中關于特定目標的波峰波谷差值特征和波峰波谷比值特征,這些高級視覺特征可以代表高光譜圖像中目標的光譜信息特征,用于檢測特定目標。
最后是對兩種視覺注意模型進行融合。本文對貝葉斯模型進行了研究并改進,將初級視覺特征代表的自底向上模型和高級視覺特征代表的自頂向下模型相結合,計算出綜合顯著度圖
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜圖像的小目標檢測.pdf
- 基于稀疏表示的高光譜圖像目標檢測.pdf
- 基于GPU的高光譜圖像分類與目標檢測.pdf
- 高光譜圖像目標檢測方法研究.pdf
- 基于光譜特性的高光譜圖像異常目標檢測算法研究.pdf
- 基于光譜特性的高光譜圖像異常目標檢測算法研究(1)
- 高光譜圖像目標檢測技術研究.pdf
- 基于視覺注意的目標檢測方法.pdf
- 基于凸集解混的高光譜圖像目標檢測技術.pdf
- 高光譜圖像的小目標檢測方法研究.pdf
- 基于視覺注意的目標檢測方法(1)
- 基于卡方分布的高光譜圖像目標檢測和分類.pdf
- 高光譜圖像自動目標檢測技術研究.pdf
- 高光譜圖像奇異目標檢測技術研究.pdf
- 高光譜圖像目標檢測及壓縮方法研究.pdf
- 基于多尺度分析的高光譜圖像目標檢測算法研究.pdf
- 基于子空間分析的高光譜圖像目標檢測技術研究.pdf
- 基于核方法的高光譜圖像小目標檢測算法研究.pdf
- 基于高光譜圖像和機器視覺技術的大豆品質檢測研究.pdf
- 高光譜圖像目標稀疏檢測算法的研究.pdf
評論
0/150
提交評論