[发明专利]基于分块和低秩先验的发射率域热红外高光谱异常探测方法

权利要求书

1.一种基于分块和低秩先验的发射率域热红外高光谱异常探测方法，其特征在于，包括以下步骤：

步骤1，输入一幅待探测的热红外高光谱辐亮度影像；

步骤2，对热红外辐亮度影像进行大气校正，使用FLAASH-IR进行温度发射率分离，获取发射率图和温度图；

步骤3，使用基于Potts的方法结合辐亮度图信息和温度信息将原始辐亮度影像分割成m个同质区域，然后将分割的区域信息用于发射率图，将发射率图分割成同样的区域；

步骤3的具体实现方式如下，

基于Potts的方法通过以下最小化问题给出：

是边界项，表示分割区域边界的长度，是数据保真度，ρ是调整这两项之间平衡的尺度参数，即分割系数，其中ρ的值越大，分割区域越大，反之亦然；是原始高光谱数据的前二个主成分和温度图的叠加；U是与相同维数的优化图像，通过对辐亮度影像做PCA获取；在基于Potts的方法生成区域后，进行后处理，即将像素总数小于一定个数的区域被合并到具有最高光谱相似性的相邻区域中，该区域被定义为相邻区域平均向量之间的最小光谱角距离；将发射率图像分割后，热红外发射率影像分割成m个局部均匀区域，表示为：

G_k指代第k个局部同质区域，∪表示并集，∩表示交集，表示空集；

步骤4，在生成局部同质区域的基础上，对每个区域的数据进行局部增强，得到增强矩阵X_k；

步骤4的具体实现方式如下，

通过顶点成分分析VCA，提取同质区域的背景端成员构成背景向量，代表背景特征，是指实数，r为背景端元个数，B是波段数：

然后将背景向量按列排列以形成背景矩阵：

V_k的列数等于第k个区域中的像素总数，行数等于背景向量的长度，N_k是第k个区域的像素总数；因此增强矩阵由两部分组成：1)背景矩阵，代表背景光谱特征；2)原始局部数据矩阵G_k，包含第k个局部均匀区域的像素向量：

步骤5，对增强矩阵X_k进行矩阵分解获取低秩背景分量；

步骤6，使用马氏距离计算原始发射率数据像素向量和提取出的低秩背景信息之间的光谱差异，获取最后的探测结果。

2.如权利要求1所述的一种基于分块和低秩先验的发射率域热红外高光谱异常探测方法，其特征在于：步骤5的具体实现方式如下，

利用GoDec算法分解增强矩阵获取低秩分量：

其中L_k是低秩背景分量，S_k是稀疏分量，E_k是噪声分量；

是增强矩阵增加部分分离出的低秩信息，属于冗余部分，是L_k的子矩阵，表示背景像素，是原始数据部分分离出的低秩背景信息，属于有效信息部分，的每列对应于第k个区域的一个像素；对k个局部同质区域进行分解后，将恢复低秩图像为：

3.如权利要求2所述的一种基于分块和低秩先验的发射率域热红外高光谱异常探测方法，其特征在于：步骤6中获取最后的探测结果，具体计算过程如下；

其中D(x)是马氏距离探测结果，x_k是发射率影像上第k个像素的像素向量，N表示局部区域像素的个数，μ_k是第k个区域上提取的局部低秩背景信息的向量均值，是第k个区域上提取的局部低秩背景信息计算的协方差矩阵。