[发明专利]一种基于神经网络的非线性高光谱图像异常目标检测方法

说明书

本发明公开了一种基于神经网络的非线性高光谱图像异常目标检测方法，属于遥感图像处理技术领域。其包括构造非线性主成分分析神经网络、对神经网络进行训练、以滑窗方式统计高光谱图像每个非线性特征的局部奇异值、选择出平均奇异值最大的若干个非线性主成分作为有效主成分，以及对有效主成分进行RX异常检测处理，获得基于非线性主成分分析的异常检测结果等步骤。本发明方法可以有效地实现非线性目标探测，提高RXD目标探测的结果，是对现有技术的一种重要改进。

技术领域

本发明涉及遥感图像处理技术领域，特别是指一种基于神经网络的非线性高光谱图像异常目标检测方法。

背景技术

在遥感领域中可以进行异常目标检测的形式有如下几种，但它们在性能上均存在某些缺陷：

1、经典的RX异常检测算法(由Reed和Xiaoli Yu共同提出，故称RX方法)以及基于RX算法的改进算法大部分都是基于线性或者纯点模型，此类异常检测算法仅利用一阶和二阶图像数据统计等信息(即均值和协方差等信息)，而图像的高阶特征信息并没有被充分利用。高光谱图像，尤其是复杂背景中获取的高光谱图像，由于其具有明显的非线性特征，因此该方法难以对其进行有效处理。

2、为了利用高光谱图像各波段间的非线性信息，有学者提出了利用核函数性质将RX算法应用到高维非线性核空间，由此构造出了基于核方法的RX算法，解决了非线性特征的充分利用问题。但是，该算法忽略了高光谱图像因低空间分辨率而造成的混合像元给异常目标检测带来的严重的背景干扰，此外，还存在内存占用大、运算时间过长等问题。

发明内容

有鉴于此，本发明提出一种基于神经网络的非线性高光谱图像异常目标检测方法，其具有高效率、高准确率、较好的鲁棒性等特点，能够对高光谱遥感图像中的异常目标进行有效检测。

基于上述目的，本发明提供的技术方案是：

一种基于神经网络的非线性高光谱图像异常目标检测方法，其包括以下步骤：

步骤1，采用径向基函数构造具有五层结构的非线性主成分分析神经网络；

步骤2，对步骤1中的神经网络进行训练，并实现基于非线性主成分分析技术的高光谱图像非线性特征提取；

步骤3，以滑窗方式统计步骤2中得到的高光谱图像每个非线性特征的局部奇异值，以每个非线性特征的局部奇异值与滑窗总数的比值作为该特征所对应的平均奇异值；对各个非线性特征的平均奇异值进行排序，选择出平均奇异值最大的若干个非线性主成分，并将这些非线性主成分作为有效主成分；

步骤4，对挑选出的有效主成分进行RX异常检测处理，获得基于非线性主成分分析的异常检测结果，完成目标检测。

可选的，步骤1所述的径向基函数为

式中，为第i个波段的映射函数，m_i为第i个波段的均值，σ_i为第i个波段的方差，i为波段序号；

所述非线性主成分分析神经网络为具有一个输入层、一个输出层和三个隐藏层的5层神经网络；其中，输入层与输出层的神经元个数与高光谱图像波段数相同，第一、三层隐藏层神经元采用主元曲线算法计算神经元个数，第二层隐藏层的神经元个数采用虚拟维数方法确定。

可选的，所述步骤2的具体方式为：

(201)采用待进行异常目标检测的原始高光谱图像本身作为神经网络的训练样本，神经网络的输入和输出均为原始高光谱图像的所有波段；

(202)采用基于梯度下降法的反向传播方式对神经网络进行训练，随着训练进行，输入和输出的误差逐渐减少，当达到神经网络的收敛阈值时，训练完毕；