Please wait a minute...
 
国土资源遥感  2010, Vol. 22 Issue (2): 26-29    DOI: 10.6046/gtzyyg.2010.02.06
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
背景区域对统计匹配滤波探测器性能的影响
张艳1, 王国宏2, 王勇1
1.烟台大学光电信息科学技术学院,烟台264005; 2.海军航空工程学院信息融合研究所,烟台264001
The Influence of Varying Background Regions on Statistical
Matched Filter Detection Algorithms
ZHANG Yan 1, WANG Guo-hong 2, WANG Yong 1
1.Institute of Science and Technology for Opto-Electronic Information, Yantai University, Yantai 264005, China;2.Research Institute of Information Fusion, Naval Aeronautical and Astronautical University, Yantai 264001, China
全文: PDF(988 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

介绍2种典型的统计匹配滤波器算法: 自适应一致性估计(ACE)与约束能量最小化(CEM)。实验选取3种不同的背景区域(全景、除去目标的全景及部分均质场景)并计算其协方差,利用受试者工作特性(ROC)曲线中给定虚警概率下的检出概率(DR@FAR)和平均检出概率(ADR)指标,比较分析了背景区域变化对ACE与CEM算法目标探测性能的影响。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 信息提取含水率色调特征    
Abstract

Statistical matched filter detection algorithms can be applied to target detection in hyperspectral imagery.  The calculation of the background covariance matrix is used in any  statistical matched filters, including Adaptive Coherence Estimator (ACE) and Constrained Energy Minimization (CEM) presented in this paper. Experiments on the calculation of the background covariance matrix from different background regions and the utilization of ROC curve give a comparative analysis of the problem as to how different background regions affect the detection performance of ACE and CEM.

Key wordsInformation extraction    Water content    Tone characteristics
     出版日期: 2010-06-29
引用本文:   
张艳, 王国宏, 王勇. 背景区域对统计匹配滤波探测器性能的影响[J]. 国土资源遥感, 2010, 22(2): 26-29.
ZHANG Yan, WANG Guo-Hong, WANG Yong. The Influence of Varying Background Regions on Statistical
Matched Filter Detection Algorithms. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(2): 26-29.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.02.06      或      https://www.gtzyyg.com/CN/Y2010/V22/I2/26
[1] 魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021, 33(3): 156-163.
[2] 牟晓莉, 李贺, 黄翀, 刘庆生, 刘高焕. Google Earth Engine在土地覆被遥感信息提取中的研究进展[J]. 国土资源遥感, 2021, 33(2): 1-10.
[3] 夏炎, 黄亮, 陈朋弟. 模糊超像素分割算法的无人机影像烟株精细提取[J]. 国土资源遥感, 2021, 33(1): 115-122.
[4] 王琳, 谢洪波, 文广超, 杨运航. 基于Landsat8的含蓝藻湖泊水体信息提取方法研究[J]. 国土资源遥感, 2020, 32(4): 130-136.
[5] 刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[6] 尹展, 张利军, 段建良, 张沛. 南方植被区强迫不变植被抑制技术改进与应用[J]. 国土资源遥感, 2019, 31(2): 82-88.
[7] 王月如, 韩鹏鹏, 关舒婧, 韩宇, 易琳, 周廷刚, 陈劲松. 基于Landsat8 OLI数据的富贵竹种植区域信息提取[J]. 国土资源遥感, 2019, 31(1): 133-140.
[8] 王勇, 张寅玲, 尤淑撑, 王忠武, 魏海, 李洋. 资源一号02C卫星数据在土地整理项目验收核查中的应用[J]. 国土资源遥感, 2018, 30(1): 144-149.
[9] 薛庆, 吴蔚, 李名松, 董双发, 章新益, 石海港. 高分一号数据在矿山遥感监测中的应用[J]. 国土资源遥感, 2017, 29(s1): 67-72.
[10] 王瑾杰, 丁建丽, 张成, 陈文倩. 基于GF-1卫星影像的改进SWI水体提取方法[J]. 国土资源遥感, 2017, 29(1): 29-35.
[11] 刁淑娟, 刘春玲, 张涛, 贺鹏, 郭兆成, 涂杰楠. 基于SVM的湖泊咸度等级遥感信息提取方法——以内蒙古巴丹吉林沙漠为例[J]. 国土资源遥感, 2016, 28(4): 114-118.
[12] 杨晓楠, 徐韵, 田玉刚. 一种用于城市信息提取的改进居民地指数[J]. 国土资源遥感, 2016, 28(4): 127-134.
[13] 胡勇, 张孝成, 马泽忠, 周志跃. 无人机遥感影像中农村房屋信息快速提取[J]. 国土资源遥感, 2016, 28(3): 96-101.
[14] 张兵, 崔希民, 韦锐, 宋保平, 赵旭阳. 基于IRS-P6卫星影像的高原地貌分类与信息提取[J]. 国土资源遥感, 2016, 28(2): 120-125.
[15] 陆丁滒, 吴虹, 郭琪, 陈梦杰. 基于Google Earth影像的漓江水系形态特征提取与分析[J]. 国土资源遥感, 2016, 28(2): 161-167.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发