[发明专利]高光谱图像杂波的度量及异常检测算法的性能预测方法

说明书

本发明涉及一种高光谱图像杂波的度量及异常检测算法的性能预测方法，首先输入高光谱图像，利用提出的三种杂波尺度计算所述高光谱图像的背景杂波大小，仿真得到高光谱特定异常检测算法的虚警概率，并分析两者之间的关系，评价所提出杂波尺度的合理性，使得根据背景杂波大小可以进行异常检测算法性能的预测。本发明提出了高光谱图像背景杂波、方差、局部对比度的概念，并给出三种高光谱图像背景杂波的度量方法；利用该度量方法给出了高光谱异常检测算法的性能预测方法，使得根据高光谱图像背景杂波的度量即可预测高光谱特定异常检测算法的性能，对于高光谱成像光谱仪的系统性能做出正确评价和预测、优化系统设计等具有重要意义。

技术领域

本发明属于高光谱遥感领域，具体涉及一种高光谱图像杂波的度量及异常检测算法的性能预测方法。

背景技术

高光谱图像是指光谱分辨率可达到10^-2λ数量级(一般在10nm以下)范围内的遥感图像，包含几十个至上百个波段的连续光谱信息，具有丰富的空间及光谱信息；高光谱的异常检测是用一系列异常检测算法，在没有光谱先验信息的情况下，利用不同物质的不同光谱信息将异常检测和识别出来，是一种基于机器视觉的异常检测系统；高光谱遥感技术作为一种新兴的前沿科技近年来备受关注，高光谱图像的异常检测也具有广泛的应用价值，但是高光谱图像的背景杂波是影响异常检测算法性能的重要因素，它严重增加了算法的虚警概率且降低了检测概率。背景杂波指的是干扰目标探测的场景内容，而目前对于红外图像背景杂波的研究主要集中在二维图像，分别针对人在回路中(Man in loop，简称MIL)和自动目标探测识别(ATR)的光电成像系统，而对于三维高光谱图像中背景杂波的研究几乎没有。研究证明，高光谱图像的背景杂波直接影响高光谱的异常检测算法的性能，背景杂波越强，则高光谱的异常检测算法性能越差，背景杂波越弱，则高光谱的异常检测算法性能越好，而且这种趋势将随着技术的进步而变得越来越明显。

场景中只有与异常目标在异常检测算法所用特征上“相似”的物体才能成为背景杂波，因此高光谱图像背景杂波尺度的提出应结合具体的高光谱异常检测算法。

因此，如何能够给出一种三维高光谱图像背景杂波的度量方法并通过该度量方法对高光谱异常检测算法的性能进行预测，为目前的热点问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种高光谱图像杂波的度量及异常检测算法的性能预测方法。

本发明的一个实施例提供了一种高光谱图像的背景杂波的度量方法，包括：

输入高光谱图像；

利用高光谱图像杂波尺度计算所述高光谱图像的背景杂波大小。

在本发明的一个实施例中，所述杂波尺度的计算利用高光谱方差VIH，所述高光谱方差VIH的计算公式为：

其中，N为所述高光谱图像的像素点数目，X_i为第i个像素点的光谱向量，X_j为第j个像素点的光谱向量，为所述高光谱图像的背景均值光谱向量，是向量X_i与向量之间的马氏距离。

在本发明的一个实施例中，所述杂波尺度利用高光谱方差，方差越大，高光谱图像杂波越小，计算所述高光谱图像的杂波尺度包括：

计算所述高光谱图像中像素点的第一光谱向量；

计算所述高光谱图像的第一背景均值光谱向量；

计算所述第一光谱向量与所述第一背景均值光谱向量的马氏距离；

根据所述马氏距离计算所述高光谱方差。

在本发明的一个实施例中，所述杂波尺度利用高光谱方差，方差越大，高光谱图像杂波越小，计算所述高光谱图像的杂波尺度包括：