用于改进高光谱图像中气体羽流识别的局部背景估计

深度学习识别模型在识别城市场景长波红外高光谱图像中的气体羽流方面已展现出潜力，尤其是在考虑大型气体库时。由于许多气体具有相似的光谱特征，正确估计检测到的羽流信号至关重要。通常，会估计场景的全局平均光谱和协方差矩阵来对羽流信号进行白化处理，从而从气体特征中去除背景特征。然而，城市场景可能包含许多在空间和光谱上异质的背景材料。当全局背景估计不能代表给定的局部背景材料时，这可能导致识别性能不佳。我们利用图像分割以及迭代背景估计算法，为气体羽流下方存在的各种背景材料创建局部估计。在一组模拟和真实气体羽流上，我们的方法优于全局背景估计。该方法在提高深度学习识别置信度方面显示出潜力，同时在考虑多样化羽流时简单且易于调整。