论文研究基于EMD图像融合的高光谱异常目标检测 .pdf

高光谱图像的稀疏分解能得到其稀疏表示形式,便于对图像进行压缩处理。因高光谱图像特征复杂,单一正交基无法捕捉到图像信号的所有特征,需构建原子个数更多的冗余字典对高光谱图像进行稀疏表示。针对高光谱图像,以

本研究基于深度学习技术，对高光谱图像进行分类研究。通过对图像进行处理和特征提取，使用卷积神经网络和支持向量机等算法，实现高精度分类。研究结果表明，所提出的方法有效地提高了分类准确性和图像处理效率。同时

针对传统边缘检测算子在检测效果与抗噪方面的不足，提出基于图像特征的边缘检测方法，综合考虑图像的梯度特征、相位特征以及噪声的影响，以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取

轨道的波浪弯曲不平顺是引起列车振动的直接因素。针对波浪不平顺提出了一种新的检测方法。基于经验模态分解的小波脊线法，滤去原始信号的高频部分，再对低频分量进行EMD处理，提取包含了故障信息的固有模态函数分

RFID技术在物流、供应链管理等需要跟踪物品流动的领域的广泛使用产生了大量路径数据。路径数据描述了物品在RFID系统中的移动轨迹,路径数据中每个节点同时包含地点和时间信息,使路径数据比一般的序列数据更

针对当前入侵检测技术在检测新入侵的不足，分析了危险模式理论应用于异常检测的可行性，提出了一个新型的基于危险模式的自适应IDS异常检测系统模型以及相关算法。该系统有效地降低了误报率和漏报率，具有自适应、

网络流量在正常运行的情况下是具有一定的周期性、稳定性的，异常流量会打破这种规律使流量产生异常波动。提出了一种基于NetFlow时间序列滑动窗口检测网络异常的方法，利用时间序列异常发现算法发现网络流量的

鉴于失败的DNS查询（failedDNSquery）能提供恶意网络活动的证据，以DNS查询失败的数据为切入口，提出一种轻量级的基于CountingBloomFilter的DNS异常检测方法。该方法使用

提出了一种基于运动模式分析的无监督方法用于对视频中的异常行为进行检测。为了有效描述视频场景中的各种目标信息，对每个前景像素点提取了时空描述符，再结合块区域信息并通过词袋模型生成视觉单词，对视频进行表示

为了在海量轨迹数据库中高效准确地挖掘出异常轨迹，提出了基于划分的异常轨迹检测算法。该算法通过计算局部轨迹点之间的匹配程度来探测异常轨迹，将异常轨迹检测由形状匹配问题转化为传统的异常点检测问题，并设计了