[发明专利]一种采用局部自适应阈值分割的高光谱图像异常探测方法

摘要

本发明属于高光谱图像异常目标检测领域，具体涉及一种采用局部自适应阈值分割的高光谱图像异常探测方法。读入高光谱数据；采用非线性KRX算子对高光谱数据处理得到检测结果灰度图；对检测的灰度图像进行预处理消除背景干扰；将图像分成若干个m×n的子图像对每一个子图像进行阈值迭代法选取阈值；用得到的自适应阈值Ti对子图像二值化，遍历整幅图像进而得到最终检测结果。本发明提出了针对大面积背景干扰抑制的算法，利用形态学滤波开运算的结构元素将背景干扰有效的提取和消除；采用迭代法计算出局部最佳阈值，无需大量试验验证求取阈值可大大减少实际处理中的工作量，提高了异常目标检测的效率和准确率。

主权项

一种采用局部自适应阈值分割的高光谱图像异常探测方法：(1)读入高光谱数据；(2)采用非线性KRX算子对高光谱数据处理得到检测结果灰度图：(2.1)选择同心双层窗，对原始高光谱图像数据归一化，然后根据合成图像大小和目标分布，选择目标检测窗口设为3×3像素，背景信息提取窗口大小设为11×11像素；(2.2)选择现有的核函数中高斯径向基核函数RBF，选用径向基核，其中xi为核函数中心，即目标窗内的待检测像元，σ2为核函数的宽度参数，x为背景窗内待检测像元；k(x·xi)＝exp(||x‑xi||2/σ2)(2.3)采用非线性KRX算子对原始高光谱数据处理得到检测结果灰度图F；(3)对检测的灰度图像进行预处理消除背景干扰：(3.1)采用一个直径r大于最大异常目标的圆形结构元素B对检测结果灰度值图像进行形态学开运算，对检测结果灰度图F进行邻域连接，将相邻的噪声连接起来构成一块区域，消去图像中的异常目标，获得图像背景干扰的灰度图像G：G＝FоB(3.2)灰度图像G中的背景干扰体现为高亮度信息，根据图像上的点p通过对灰度图像进行灰度分解得到的一个的二值图像存在灰度为m∈[0,M‑1]使得M为灰度图像中的最大灰度级：G^p=1,m(p)<m0,m(p)≥m]]>利用分解得出的二值图像与原灰度图像F矩阵的Hadamard积，消去图像背景：F~=(F*G^)ij;]]>(4)将图像分成若干个m×n的子图像(5)对每一个子图像进行阈值迭代法选取阈值：将图像中的像素点最大值和最小值的均值作为初始阈值Ti0：Ti0=(max(F~i)+min(F~i))/2;]]>将初始阈值Ti0作为阈值把图像的像素点分成两部分，即图像和图像F~i1=F~i11,F~i11>Ti0F~i2=F~i21,F~i21≤Ti0;]]>再取两部分图像的灰度均值作为新的阈值：Ti1=(mean(F~i1)+mean(F~i2))/2,]]>计算新的阈值Ti1代替Ti0，重复迭代过程直至Tik+1＝Tik为止；对阈值进行预判决，即存在一个为大于0的实数ε，当ε→0，有或时，判决子图像属于背景，求取的阈值设置为子图像中最大灰度值，否则取迭代停止时的Tik作为该子图像的分割阈值，其中Ti为对应子图像的分割阈值：(6)用得到的自适应阈值Ti对子图像二值化，遍历整幅图像进而得到最终检测结果。