[发明专利]一种异常检测方法及装置

说明书

技术领域

本发明涉及异常检测技术领域，尤其涉及一种异常检测方法及装置。

背景技术

异常检测是高光谱领域的一个热点问题。异常目标是指人们感兴趣的地物。它有两大特点，其一，有明显的光谱差异，其二，在图像中出现的概率较低。

现有技术中，通常使用RX算法实现异常检测。RX算法假设图像背景服从多元正态分布，通过计算背景像元集的均值向量和协方差矩阵来描述背景信息。发明人在实现本发明创造的过程中发现：RX算法在背景估计时会引入异常信息和噪声干扰，无法满足算法对背景信息的假设，导致检测结果具有较高的虚警率。

发明内容

有鉴于此，本发明提供了一种异常检测方法，用以解决现有技术中RX算法在背景估计时会引入异常信息和噪声干扰，无法满足算法对背景信息的假设，导致检测结果具有较高的虚警率的问题，其技术方案如下：

一方面，一种异常检测方法，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；

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。

其中，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。

其中，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。

其中，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。

其中，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。

另一方面，一种异常检测装置，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；

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。

其中，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。

其中，所述第二获取模块包括：