文档摘要：高光谱图像(HyperSpectralImages,HSIs)具有高光谱分辨率和丰富的光谱信息,其具有的大量窄波段电磁波有利于获取感兴趣目标的理化信息,并根据对应的光谱特征对不同物质进行有效区分,从而完成目标检测任务.然而有限样本、少量先验信息、高维相似背景及不同类别差异小所导致的目标和背景混淆问题使得高光谱目标检测(HyperspectralTargetDetection,HTD)面临挑战.为此,本文提出结合区域引导和双注意力机制的高光谱目标检测判别式学习网络(Region-guidedanddual-AttentionDiscriminativelearningNetwork,RADN),以缓解标记样本少的条件下不同类别相似度高和相同类别差异性大导致的背景和目标不易区分的问题,减少高维冗余特征带来的计算复杂度,同时提升检测精度.本文使用经验性区域引导网络训练,采用光谱约束的无监督聚类方法确定网络输入,选择性地关注高光谱图像中的显著性特征和感兴趣区域.此外,本文在网络中添加双通道注意力机制来辅助复杂背景分布的估计,并在网络中引入不同类别光谱先验损失函数,进一步减少高维复杂背景以及光谱变化对于目标的干扰.实验结果和分析表明,RADN在不同数据集上的性能优于现有先进的算法.
Abstract：Hyperspectralimages(HSIs)havehighspectralresolutionandrichspectralinformation,whichcanobtainthephysicalandchemicalinformationofthetargetofinterestbyusingalargenumberofnarrow-bandwaves.HSIscanef-fectivelydistinguishdifferentsubstancesbycorrespondingspectralfeatures,andcompletethetaskoftargetdetection.How-ever,theproblemoftargetandbackgroundconfusioncausedbylimitedsamples,asmallamountofpriorinformation,highdimensionalsimilarbackground,anddifferencesbetweendifferentclassesmakehyperspectraltargetdetection(HTD)stillfacechallenges.Tothisend,weproposearegion-guidedanddual-attentiondiscriminativelearningnetwork(RADN)forHTDtosolvetheproblemofintra-classdifferencesandinter-classsimilaritiesunderafewsamples.Itcanreducethecom-putationalcomplexitycausedbyhigh-dimensionalredundantfeaturesandimprovedetectionaccuracy.Inthispaper,wein-troducetheempiricalregion-guidednetworkfortraining.Weemploythespectrallyconstrainedunsupervisedclusteringnet-worktodeterminethenetworkinput.Toselectivelyfocusonsalientfeaturesandregionsofinterest,weaddadual-channelattentionmechanisminthegeneratoranddiscriminatortoassistintheestimationofcomplexbackgrounddistributions;Weintroduceaninter-classspectralpriorlossfunctioninthenetworkandfurtherreducetheinterferenceofhigh-dimensionalcomplexbackgroundandspectralchangestothetarget.ExperimentalresultsandanalysisshowthatRADNoutperformsex-istingstate-of-the-artalgorithmsondifferentdatasets.
作者：钟佳平 李云松 谢卫莹 雷杰 PaoloGamba Author：ZHONGJia-ping LIYun-song XIEWei-ying LEIJie PaoloGamba
作者单位：西安电子科技大学综合业务网全国重点实验室,陕西西安710071帕维亚大学,意大利帕维亚27100
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(5)
分类号：TP183TP751.1
关键词：高光谱目标检测 无监督聚类 通道注意力机制 感兴趣区域 光谱分辨率
Keywords：hyperspectraltargetdetection unsupervisedclustering channelattentionmechanism regionofinterest spectralresolution
机标分类号：TP391.41TP751TN919.81
在线出版日期：2024年7月22日
基金项目：结合区域引导和双注意力机制的高光谱目标检测判别式学习网络[
期刊论文] 电子学报--2024, 52(5)钟佳平 李云松 谢卫莹 雷杰 PaoloGamba高光谱图像(HyperSpectralImages,HSIs)具有高光谱分辨率和丰富的光谱信息,其具有的大量窄波段电磁波有利于获取感兴趣目标的理化信息,并根据对应的光谱特征对不同物质进行有效区分,从而完成目标检测任务.然而有限样本...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：高光谱目标检测,无监督聚类,通道注意力机制,感兴趣区域,光谱分辨率,
|
|
1
