[发明专利]一种协同表示和异常剔除的高光谱异常检测方法有效

专利信息
申请号: 201911104291.8 申请日: 2019-11-09
公开(公告)号: CN110991493B 公开(公告)日: 2023-05-12
发明(设计)人: 谭琨;王志威;王雪;杜培军;丁建伟 申请(专利权)人: 华东师范大学
主分类号: G06V10/764 分类号: G06V10/764;G06V10/80
代理公司: 上海蓝迪专利商标事务所(普通合伙) 31215 代理人: 徐筱梅;张翔
地址: 200241 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 协同 表示 异常 剔除 光谱 检测 方法
【说明书】:

发明公开了一种协同表示和异常剔除的高光谱异常检测方法,其特点是采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除,基于协同表示的高光谱异常检测算法,计算线性表示系数并求得残差影像,最后通过设定阈值,将检测值大于阈值的像元标记为异常点,得到异常目标检测结果。本发明与现有技术相比具有提高线性表示的精度和检测精度,有效解决了基于协同表示的高光谱异常检测算法中窗口选择,以及双窗口的异常像元污染背景集问题。

技术领域

本发明涉及高光谱异常检测技术领域,尤其是一种基于窗口自适应的协同表示和异常剔除的高光谱异常检测方法。

背景技术

随着高光谱成像光谱仪的发展,遥感影像的光谱信息从全色、多光谱到高光谱的快速发展,使遥感技术进入到一个崭新阶段。高光谱影像具有高光谱分辨率,获得的影像像元具有上百波段光谱信息,基于各种地物之间不同光谱特性,高光谱遥感已经在地物分类、定量反演、目标检测和生态环境监测等方面得到广泛应用。高光谱影像目标检测根据是否已知目标信息,可将检测算法分为两类,其中一类为已知目标信息的目标探测算法,主要是利用已知目标的光谱信息,通过与目标光谱曲线进行匹配,获取探测目标。通常情况下,目标和背景的先验知识很难获取,因此另一类是未知目标信息的异常检测算法,成为高光谱遥感目标检测领域的研究热点。由Reed和Yu提出的RX算法是目前应用最广泛的一种异常检测方法,它假设背景服从多元正态分布,异常值是由待测像元与背景之间的马氏距离来测量。全局RX和局部RX是RX算法的两种典型算法,它们分别估计全局和局部背景统计信息。由于高光谱遥感影像的背景是复杂的,很多情况不满足正态分布,因此,研究者提出了许多基于RX算法改进的异常检测方法来提高检测性能,例如,核RX算法利用核函数将原始数据投影到高维空间中,利用数据之间丰富的非线性信息完成异常检测。

近年来,基于空间信息和光谱信息的数据重构的算法也在异常检测领域得到了广泛的应用。李伟等人基于待测试像元与其周围的背景像元之间的光谱存在着相似性,待测试像元可以通过背景像元之间的线性组合来近似的表示的思想,提出了基于协同表示的异常检测(Collaborative Representation-based Anomaly Detection,CRD)算法。该方法由于背景像元中存在的异常像素造成对背景集的污染,影响线性表示精度。

现有技术基于协同表示的高光谱异常检测算法存在着窗口选择以及双窗口的异常像元污染背景集问题,基于窗口尺寸的异常探测算法无法根据影像的数据类型自适应的获取最优的窗口尺寸,不同的影像数据进行异常探测时,探测性能达到最优时的窗口尺寸往往不同,实验中通常采用试错法来寻找最优窗口尺寸,然而在实际应用中,通常没有异常地物的先验知识,因而无法通过这种方式来寻找最优窗口尺寸,往往采用经验值。

发明内容

本发明的目的是针对现有技术的不足而设计的一种协同表示和异常剔除的高光谱异常检测方法,采用融合全局异常与局部异常的剔除方法,通过获取待测像元的最优窗口和背景集的异常剔除,有助于提高线性表示的精度,从而提高检测精度,该方法首先计算背景显著性获取每个像元的最优窗口尺寸,然后在双窗口内的局部背景集中的异常像元剔除,采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除,再基于协同表示的高光谱异常检测算法,计算线性表示系数并求得残差影像,最后通过设定阈值,将检测值大于阈值的像元标记为异常点,得到异常目标检测结果,有效解决了基于协同表示的高光谱异常检测算法中窗口选择,以及双窗口的异常像元污染背景集问题,方法简便,检测精度高,进一步推进了基于协同表示的异常检测的广泛应用。

实现本发明目的的具体技术方案是:一种协同表示和异常剔除的高光谱异常检测方法,该方法包括以下具体步骤:

1)输入高光谱遥感影像,并对高光谱影像进行归一化预处理。

2)遍历高光谱影像中每个像元,通过计算背景显著性获取每个像元的最优窗口尺寸,所述通过计算背景显著性获取每个像元的最优窗口尺寸,具体包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东师范大学,未经华东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911104291.8/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top