.png){kind=icon}
返回
Improved Multispectral Target Detection Using Target-Specific Spectral Reconstruction
.png){kind=icon}
OA
AI
DOI：10.3390/rs18050760.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高光谱传感器提供高光谱分辨率，能够实现材料精确识别和有效目标检测。然而，其实际应用受到空间分辨率有限和高采集成本的制约。本文提出了一种新颖的框架，通过利用基于深度学习的光谱重建，从多光谱输入生成高分辨率高光谱表示，以增强多光谱影像中的小目标检测。使用通过适当光谱响应函数从AVIRIS-NG数据中获取的配对多光谱-高光谱样本，对两种最先进的重建网络MST++和MIRNet进行训练。为提高目标物的区分能力，引入了一个快速、目标特定的微调阶段，使模型能够适应在原始训练数据中表现不佳或缺失的光谱特征。目标检测采用基于光谱特征的检测器应用于重建的高光谱数据。该框架在包含已知实地部署目标和无人机获取高光谱影像的真实场景中进行评估。实验结果表明，所提出的方法显著优于直接应用于多光谱数据的基线检测方法。这些发现强调了光谱重建对于下游任务（如目标检测）的有效性，特别是在高光谱数据昂贵或不可用的情况下。
Keyword:
target detection
spectral reconstruction
hyperspectral
multispectral
期刊
IF:
4.1
论文数:
7.7K
被引数:
15.1W
机构
引用论文
.png){kind=icon}
Constrained Energy Minimization (CEM) for Hyperspectral Target Detection: Theory and Generalizations
PREAI
分享收藏
查看更多内容