基于自适应空间支持的高光谱图像目标检测有哪些

(1)基于自适应窗的空间支持

考虑相邻像索通常都由相似的地物构成，而且分布在很大的空间范围内的像素可能都归属于同一种地物。在基于自适应窗的稀疏表示目标检测中，对于待测像素，引人一个以此像素为中心的图像局部空间自适应窗。在这局部空间中， 其所包含像素的光谱特性是高度相关的。在基于自适应窗的稀疏表示模型中，目标检测算法综合考虑这一空间 局部自适应窗内所包含的像素信息。

    (2)基于自适应邻域的空间支持

在基于自适应窗的稀疏表示目标检测中，对于待测像素，引人一个以此像素 为中心的图像局部空间自适应窗，计算其稀疏系数。然而，在这一局部空间中，自适应窗受到其空间形状限制，为了更加充分利用图像的空间特性，考虑一个任 意形状的空间集合，使其所包含像素的光谱特性都高度相关。为此在基于空间支持的稀疏表示模型中，引入自适应邻域的空间划分方法，利用这一空间 局部自适应邻域范围内包含的像素，进行高光谱图像目标检测。与基于自适应窗的稀疏表示模型不同，在基于自适应邻域的稀疏表示模型中，作为空间支持的区域的形状和大小可以是任意的，在此基础上确定的自适应邻域具有空间连通的特性。

    (3)计算基于自适应空间支持的稀疏表示问题

根据计算自适应窗和自适应邻域的方法确定了自适应空间支持范围后，对自适应空间内所有像素的光谱信息综合考虑，将此空间区域中的所有像素参与计算当前像素的稀疏表示系数。