[发明专利]一种异常检测方法及装置

权利要求书

1.一种异常检测方法，其特征在于，包括：

获取待检测的高光谱图像；

采用RX算法对所述待检测的高光谱图像进行异常检测，获得异常检测结果矩阵；

获取所述异常检测结果矩阵的权重矩阵，其中，所述权重矩阵赋予背景的均值向量和协方差矩阵的权重大于赋予异常信息和噪声的权重；

对所述权重矩阵进行归一化处理，获得归一化的权重矩阵；

利用所述归一化的权重矩阵计算所述待检测的高光谱图像中背景的均值向量和协方差矩阵；

利用所述背景的均值向量和协方差矩阵，采用RX算法对所述待检测的高光谱图像进行异常检测，得到异常检测结果。

2.根据权利要求1所述的方法，其特征在于，使用RX算法对所述待检测的高光谱图像进行异常检测，获得异常检测结果矩阵，包括：

利用所述待检测的高光谱图像背景的均值向量和协方差矩阵，通过A(i,j)＝[r(i,j)-μ]^TΣ^-1[r(i,j)-μ]计算得到所述异常检测结果矩阵，其中，A(i,j)为所述异常检测结果矩阵，r(i,j)为所述待检测的高光谱图像中在位置(i,j)的像元，μ为所述待检测的高光谱图像中背景的均值向量，Σ为所述待检测的高光谱图像中背景的协方差矩阵。

3.根据权利要求1所述的方法，其特征在于，获取所述异常检测结果矩阵的权重矩阵，包括：

通过W(i,j)＝exp[-A(i,j)/2]计算得到所述异常检测结果矩阵的权重矩阵，其中，A(i,j)为所述异常检测结果矩阵，W(i,j)为所述异常检测结果矩阵的权重矩阵。

4.根据权利要求3所述的方法，其特征在于，对所述权重矩阵进行归一化处理，获得的归一化的权重矩阵，包括：

利用所述异常检测结果矩阵的权重矩阵，通过计算得到所述归一化的权重矩阵，其中，W(i,j)为所述异常检测结果矩阵的权重矩阵，为所述归一化的权重矩阵，M和N分别为所述待检测的高光谱图像的行数和列数。

5.根据权利要求4所述的方法，其特征在于，利用所述归一化的权重矩阵计算所述待检测的高光谱图像中背景的均值向量和协方差矩阵，包括：

利用所述归一化的权重矩阵，通过计算所述背景的均值向量；

利用所述归一化的权重矩阵以及利用所述归一化的权重矩阵计算得到所述背景的均值向量，通过计算所述背景的协方差矩阵，其中，为利用所述归一化的权重矩阵计算得到的背景的均值向量，为利用所述归一化的权重矩阵计算得到的背景的协方差矩阵，r(i,j)为待检测的高光谱图像中在位置(i,j)的像元。

6.一种异常检测装置，其特征在于，包括：

第一获取模块，用于获取待检测的高光谱图像；

第一检测模块，用于采用RX算法对所述待检测的高光谱图像进行异常检测，获得异常检测结果矩阵；

第二获取模块，用于获取所述异常检测结果矩阵的权重矩阵，其中，所述权重矩阵赋予背景的均值向量和协方差矩阵的权重大于赋予异常信息和噪声的权重；

归一化模块，用于对所述权重矩阵进行归一化处理，获得的归一化的权重矩阵；

计算模块，用于利用所述归一化的权重矩阵计算所述待检测的高光谱图像中背景的均值向量和协方差矩阵；

第二检测模块，用于利用所述背景的均值向量和协方差矩阵，采用RX算法对所述待检测的高光谱图像进行异常检测，得到异常检测结果。

7.根据权利要求6所述的装置，其特征在于，所述第一检测模块包括：

第一计算子模块，用于利用所述待检测的高光谱图像背景的均值向量和协方差矩阵，通过A(i,j)＝[r(i,j)-μ]^TΣ^-1[r(i,j)-μ]计算得到所述异常检测结果矩阵，其中，A(i,j)为所述异常检测结果矩阵，r(i,j)为所述待检测的高光谱图像中在位置(i,j)的像元，μ为所述待检测的高光谱图像中背景的均值向量，Σ为所述待检测的高光谱图像中背景的协方差矩阵。

8.根据权利要求6所述的装置，其特征在于，所述第二获取模块包括：

第二计算子模块，用于通过W(i,j)＝exp[-A(i,j)/2]计算得到所述异常检测结果矩阵的权重矩阵，其中，A(i,j)为异常检测结果矩阵，W(i,j)为异常检测结果矩阵的权重矩阵。