利用局部光谱相似性提取航空高光谱图像的空间特征
计算机视觉与模式识别
2019-11-07 v1
摘要
局部光谱相似性(LSS)算法已发展为用于检测高光谱图像(HSIs)中均匀区域和边缘的方法。所提算法通过计算中心像素光谱与邻域光谱之间的向量相似性，将(空间窗口内的)三维数据立方体转换为光谱相似性矩阵。最终边缘强度由相似性矩阵的序统计量或相似性矩阵与空间核的空间卷积得出。LSS算法通过考虑空间窗口内相似光谱的空间模式，促进光谱-空间信息同时用于边缘检测。所提边缘检测方法在基准HSIs以及机载可见光/红外成像光谱仪下一代(AVIRIS-NG)获取的图像上进行了测试。LSS方法对多元高斯噪声和低空间分辨率情形的鲁棒性也用基准HSIs进行了验证。采用优值、虚警数和漏检数评估边缘检测方法的性能。结果表明，与其他光谱相似性度量相比，分数距离度量和欧氏距离度量能够更精确地检测HSIs中的边缘。所提方法可应用于辐射率和反射率数据(全谱)，并且在主成分图像上也表现出良好性能。此外，所提算法在速度、精度和鲁棒性方面均优于传统多通道边缘检测器。实验结果还证实LSS可作为预处理方法应用，以减少聚类和分类输出中的误差。
引用
@article{arxiv.1911.02285,
title = {Spatial Feature Extraction in Airborne Hyperspectral Images Using Local Spectral Similarity},
author = {Anand S Sahadevan and Arundhati Misra and Praveen Gupta},
journal= {arXiv preprint arXiv:1911.02285},
year = {2019}
}