Resumen

La imagen hiperespectral se ha demostrado como una forma efectiva de explorar la información útil detrás de los objetos terrestres. También puede ser adoptada para la extracción de información biológica, mediante la cual la información de origen puede ser adquirida de la imagen repetidamente sin contaminación. En este artículo proponemos un método de detección de objetivos basado en el autoaprendizaje del fondo para extraer la información biológica de las imágenes hiperespectrales. Los detectores de objetivos no estructurados convencionales son muy difíciles de estimar con precisión las estadísticas de fondo de manera global o local. Considerando la información espacial espectral, su rendimiento puede ser mejorado aún más al evitar el problema anterior. Está especialmente diseñado para extraer la región de huellas dactilares y tumores de imágenes biológicas hiperespectrales. Los resultados experimentales muestran la validez y la superioridad de nuestro método en la detección de la información biológica de las imágenes hiperespectrales.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Imagen hiperespectral; Extracción de información biológica; Método de detección de objetivos; Autoaprendizaje de fondo; Información espacial espectral; Huella dactilar; Región tumoral
• Keywords:Hyperspectral imaging; Biologic information extraction; Target detection method; Background self-learning; Spatial spectral information; Fingerprint; Tumor region