[发明专利]基于聚类自适应窗高光谱图像异常检测方法

权利要求书

1.基于聚类自适应窗高光谱图像异常检测方法，该高光谱图像异常检测方法的具体过程为：

步骤1、对高光谱图像进行光谱维主成分分析，生成光谱子空间，实现光谱维的降维；

步骤2、对每个待检测像素生成自适应窗；生成的自适应窗为二值矩阵，二值矩阵的中心与待测像素重合，矩阵内为“1”的像素表示高光谱图像中为同质背景区域的像素，用于计算参考背景的统计特性，矩阵内为“0”的像素表示高光谱图像中为非同质背景区域的像素，不用于计算参考背景的统计特性；

步骤3、利用步骤1获取的主成分分析结果和椭圆等高模型对自适应窗内进行背景对数似然估计，检测出异常像元，将目标置为“1”，背景置为“0”，生成初步的检测结果矩阵；

步骤4、利用形态学滤波进行后处理，得到最终的检测矩阵结果；

步骤1所述对高光谱图像进行光谱维主成分分析的具体过程为：

步骤1-1、对高光谱图像矩阵进行标准化变换；

步骤1-2、获取变换后的相关矩阵；

步骤1-3、获取相关矩阵的特征根，确定高光谱图像的主成分；

步骤2所述对每个待检测像素生成自适应窗的具体过程为：

步骤2-1、对每一个待测像素生成一个w×w的自适应窗，将自适应窗的中心初始化为“1”，其他区域初始化为“0”；

步骤2-2、利用皮尔逊准则和均方根误差最小化方法对高光谱图像进行解混，并确定端元数N；

步骤2-3、利用K均值聚类方法将高光谱图像划分为N类，并对所有像素添加类别标签；

步骤2-4、比较自适应窗范围内像素和中心点的类别标签，将自适应窗中与中心像素标签一致的像素置为“1”，获得每个像素的最终自适应窗；

其特征在于，步骤3所述检测出异常像元，生成初步的检测结果矩阵，具体过程为：

步骤3-1、将目标检测矩阵初始化为“0”；

步骤3-2、分别对每一个像素类所在的自适应窗采用椭圆等高分布进行建模，获得每一类椭圆等高分布的参数p_b(x)：

其中，x表示像素点，μ为自适应窗内矩阵的均值，C为窗矩阵的协方差矩阵，v为可选择的参数，d为高光谱图像降维后保留的主成分个数；

步骤3-3、按照背景对数似然估计函数对于每一个像素点求异常值：

D(x)＝-log(1/p_b(x))；

步骤3-4、根据给定阈值筛选出异常像元，将异常值大于给定阈值的置为“1”，获得初步的检测结果矩阵。

2.根据权利要求1所述的基于聚类自适应窗高光谱图像异常检测方法，其特征在于，步骤4所述利用形态学滤波进行后处理的具体过程为：

步骤4-1、根据高光谱图像空间分辨率，获得待检测目标最大可能值m×n；

步骤4-2、生成m×n的结构元素，利用该结构元素对检测矩阵进行形态学开操作；

步骤4-3、用原始目标检测矩阵减去形态学开操作后的目标检测矩阵，得到最终的检测矩阵结果。