而在稀疏表示中,每个信号是用dk中的某几个原子的线性组合来表示的,所以我们可以认为稀疏表示问题是聚类算法K-means的一种广义泛化。 根据K-means的步骤,我们可以近似写出稀疏表示的步骤:首先是稀疏编码,也就是根据给定的初始字典得到信号的稀疏系数,接着根据得到的稀疏系数矩阵去更新字典。 B 最大似然法 最大似然法...
基于背景字典构造的稀疏表示高光谱目标检测 0 引言 高光谱图像目标检测是一个典型的二分类问题,目的是将图像中的每个像素标记为目标或背景[1],被广泛应用于军事、农业、矿物等领域[2]。 经典的目标检测算法包括约束能量最小化(Constrained Energy Minimization,CEM)[3]、自适应一致余弦估计(Adaptive Coherence Estimator...
摘要 针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术使用稀疏方法求解杂波谱时存在的网格失配问题,提出了一种字典构造方法。该方法首先使用先验知识得到准确的杂波脊线,然后沿杂波脊线方向及其垂直方向形成网格,最后...展开更多 A dictionary construction method was proposed for space-time adaptive ...
匹配追踪是一种直接求解稀疏问题的有效方法,但是匹配追踪的完全搜索方案耗费大量计算时间. 已有的一些避免这种完全搜索的方案对贪婪的学习字典并不适用.本文提出一种基于索引字典的正交匹配追踪(OMPID)的新方法,通过改进的聚类方法建立学 ... 关键词 ...
基于波形冲击匹配的Lapalce小波基稀疏表示字典构造方法专利信息由爱企查专利频道提供,基于波形冲击匹配的Lapalce小波基稀疏表示字典构造方法说明:本发明公开了一种基于波形冲击匹配的Lapalce小波基稀疏表示字典构造方法,其包括如下步骤:步...专利查询请上爱企查
1.1 稀疏表达 通过稀疏表示构造字典,并通过联合字典和稀疏向量近似重建原始信号。对于高光谱目标检测,基于先验信息,由适当的目标和背景训练样本构成字典[18]。在稀疏表达中,测试像素 x可以用目标和背景2种训练样本线性表示 其中: Nt和 Nb分别是目标样本和背景样本的数量;目标字典和背景字典分别由 ...
根据K-means的步骤,我们可以近似写出稀疏表示的步骤:首先是稀疏编码,也就是根据给定的初始字典得到信号的稀疏系数,接着根据得到的稀疏系数矩阵去更新字典。 B 最大似然法 最大似然法应用概率推理来构造字典矩阵D。模型如公式(3)所示: 其中x为信号的稀疏表示,v为方差为σ2的残差向量。给定信号 ...
针对现有基于稀疏表示的目标检测算法采用同心双窗口构建背景字典的过程中,目标像元将会对背景字典产生干扰的问题,提出基于背景字典构造的稀疏表示高光谱目标检测算法。该算法将高光谱图像分解成低秩背景和稀疏目标,引入目标字典作为稀疏目标的先验信息,更好地分离目标和背...
《高光谱图像多维稀疏字典构造及应用研究》是依托北京航空航天大学，由尹继豪担任项目负责人的面上项目。项目摘要 高光谱图像具有图谱合一的特性，能够精细刻画地物光谱，为地物特征提取、分类、探测等技术的发展提供了大量有价值信息。但由于其数据量大、冗余度高，以致于高光谱成像、传输及数据处理速度慢，并在传输过程...