一种利用均值匹配改进的高光谱异常检测方法

发布时间：2021-11-26 05:55

　　传统高光谱异常检测算法由于背景信息估计不准确等原因普遍存在高虚警率的问题,针对这一现象,提出了一种利用图像均值进行匹配改进的高光谱异常目标检测后验处理方法。首先采用传统的高光谱异常检测算法将待检测高光谱图像划分为背景与异常目标潜在区域,之后通过对待测图像求解均值,将其与异常目标潜在区域像元进行相似性匹配计算,剔除大范围误检像元,得到最终检测结果。该方法在传统异常目标检测算法基础上进行相似度量剔除大范围虚警像元,在提高原算法探测能力的同时有效地降低虚警率。实验表明,该方法可以有效降低虚警率,提高原算法对于亚像元异常目标的检测能力,且对于不同算法、不同数据具有普适性。 

【文章来源】：遥感信息. 2020,35(01)北大核心CSCD

【文章页数】：6 页

【部分图文】：

光谱角匹配示意图

RXD与LPTD异常探测算法以待测图像中像元能量值大小衡量像元是否异常，有一定的局限性，没有充分利用异常目标的其他性质。本文所提方法加入异常目标统计分布特征，认为异常目标在图像中所占面积较小，偏离图像整体像元的频数分布，方法流程如图2所示。首先采用传统异常探测算法进行预检测，本文选用常用的全局RXD算法及LPTD算法，设定合理阈值得到异常目标潜在区域，此时阈值设定应尽可能地让更多的目标像元通过。随后对待测图像求解均值向量，该向量表征了待测图像统计分布的中心位置，具有待测图像的总体的平均波段特征，将其与预处理得到的异常目标潜在区域像元做光谱相似性计算，剔除与图像整体分布相近的像元，得到最终的异常目标检测结果，本文采用光谱夹角作为光谱相似性计算标准。2 实验与分析

实验图像如图3(a）所示，模拟异常像元位置如图3(b）所示。该数据为PHI传感器获得的常州夏桥地区影像，尺寸为240像元×240像元，共80个有效波段（除去含水波段与噪声波段）。在一些像素中加上目标光谱，该图像的背景主要由植被、水、土壤构成，实验中选择水泥的光谱作为目标光谱，以100个像素添加，并将这些像素中的原始背景光谱作为背景并相应地减少。根据目标的丰度，将100个像素划分为10组。第一行像素具有10%目标和90%背景。第二行有20%目标和80%背景。

【参考文献】：
期刊论文
[1]新型高光谱图像快速实时目标检测与分类方法[J]. 付立婷,邓河,刘春红.  光学学报. 2017(02)
[2]基于多孔径映射的高光谱异常检测算法[J]. 李敏,朱国康,张学武,范新南,李普煌.  测绘学报. 2016(10)
[3]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福.  遥感学报. 2016(05)
[4]采用多项式递归核的高光谱遥感异常实时检测算法[J]. 赵春晖,尤伟,齐滨,王佳.  光学学报. 2016(02)
[5]一种基于背景自学习的高光谱图像生物信息提取方法[J]. 张玉香,高旭杨,王挺,张乐飞,杜博.  计算机科学. 2015(04)
[6]基于粒子群优化聚类的高光谱图像异常目标检测[J]. 成宝芝,赵春晖.  光电子.激光. 2013(10)
[7]顾及局域信息的核化正交子空间投影目标探测方法[J]. 王挺,杜博,张良培.  武汉大学学报(信息科学版). 2013(02)
[8]基于最小噪声分离的约束能量最小化亚像元目标探测方法[J]. 杜博,张良培,李平湘,钟燕飞.  中国图象图形学报. 2009(09)
[9]基于低概率检测的高光谱图像有损压缩方法研究[J]. 张立燕,谌德荣,李世义,曹旭平.  弹箭与制导学报. 2008(01)

博士论文
[1]基于高光谱遥感影像稀疏性的小目标探测研究[D]. 张玉香.武汉大学 2016
[2]高光谱遥感图像目标探测与分类技术研究[D]. 耿修瑞.中国科学院研究生院（遥感应用研究所） 2005



本文编号：3519531