一种基于图构造的高光谱遥感影像异常目标探测方法技术

本发明专利技术公开了一种基于图构造的高光谱遥感影像异常目标探测方法，本发明专利技术将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下，对高光谱遥感影像数据从其自身特性出发进行数据自分析，从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息，如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分，可在不需先验模型假设的情况下，通过数据自分析，对影像中的背景进行极好地抑制，同时突出异常目标。

【技术实现步骤摘要】
一种基于图构造的高光谱遥感影像异常目标探测方法
本专利技术属于遥感影像处理
，尤其涉及一种基于图构造的高光谱遥感影像异常目标探测方法。
技术介绍
对地观测技术及其应用的飞速发展在很大程度上改变了人们认识世界的模式。高光谱遥感的兴起是20世纪80年代遥感技术发展的主要成就之一，是当前遥感的前沿技术。随着遥感技术的发展和传感器硬件的升级，所获取的遥感影像从单波段全色影像到多波段影像，再到高光谱遥感影像，光谱分辨率逐步提高，高光谱遥感在光谱分辨率上具有巨大优势。随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛(文献[1])。高光谱遥感影像高光谱分辨率的优势，使地物目标的探测能力有所增强。较之全色影像和多光谱遥感影像，高光谱遥感影像对于目标探测技术来讲具有显著优势。异常目标是指光谱与大部分背景地物有很大差异的目标像元，高光谱遥感影像异常目标探测技术可以通过统计分析的方式检测影像中的异常目标，无需目标和背景地物的先验光谱信息(文献[2])。对于很多应用领域，通常很难获得影像覆盖地区中的地物光谱。同时，由于大气传输过程中，大气吸收、散射以及潜在的光照和传感器光谱信号响应的影响，高光谱遥感影像所获取的像元地物光谱可能产生较大形变，使其与实验室测定光谱有很大差异。再者，地物光谱多变性、同物异谱以及同谱异物现象使需要已知先验光谱的目标探测技术面临困扰(文献[3])。在探测过程中，异常探测技术不需要目标和背景地物的先验光谱信息这一特点使其具有重要的研究和应用价值。近年来，高光谱遥感影像异常目标探测技术在很多领域中得到成功应用，如矿物勘测、边境监察、搜索营救等，成为高光谱遥感影像处理与应用的一个研究热点(文献[4])。目前国内外学者对高光谱遥感影像异常目标探测技术做了很多研究。RX异常目标探测方法是异常目标探测技术中经典的基于马氏距离统计的探测器，已被广泛应用于多光谱和高光谱遥感影像，CBAD异常目标探测方法将影像中的类别信息考虑到探测统计中，BACON异常目标探测方法运用迭代统计方法使异常目标探测器具有更强的鲁棒性，Subspace-RX将子空间分析技术引入到高光谱异常目标探测中，在子空间中进行探测统计实现对背景的抑制，RSAD运用随机选择方法构造伪随机的背景统计方式以提高背景抑制的稳健性，Kernel-RX就核机器学习技术运用于高光谱异常目标探测，通过核技术构造非线性RX异常目标探测器，在高维空间中异常目标探测统计的性能显著提高，SVDD将支持向量数据表达方法引入高光谱异常目标探测并取得了成功，Selective-KPCA通过核主分量分析后结合LS值选择背景抑制较好的核主分量进行高光谱异常目标探测，降低了干扰地物的探测虚警率。图构造方法采用图的数据表达方法可以从数据自身特性出发分析数据中的拓扑关系(文献[5])。将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下，对高光谱遥感影像数据从其自身特性出发进行数据自分析，从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息，如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分，可在不需先验模型假设的情况下，通过数据自分析，对影像中的背景进行极好地抑制，同时突出异常目标。[文献1]GoetzAFH,VaneG,SolomonJE,etal.“Imagingspectrometryforearthremotesensing.”Science,1985,228(4704):1147-1153.[文献2]SteinDWJ,BeavenSG,HoffLE,etal.“Anomalydetectionfromhyperspectralimagery.”SignalProcessingMagazine,IEEE,2002,19(1):58-69.[文献3]Keshava,N.andJ.F.Mustard.“Spectralunmixing.”SignalProcessingMagazine,IEEE,2002,19(1):44-57.[文献4]MatteoliS,DianiM,CorsiniG.“Atutorialoverviewofanomalydetectioninhyperspectralimages.”AerospaceandElectronicSystemsMagazine,IEEE,2010,25(7):5-28.[文献5]Frome,A.,Singer,Y.,Sha,F.,Malik,J.,2007.Learningglobally-consistentlocaldistancefunctionsforshape-basedimageretrievalandclassification.InICCV:1–8.
技术实现思路
针对现有技术多基于先验假设模型的不足，本专利技术提供了一种不需先验假设模型的、数据自分析的基于图构造的高光谱遥感影像异常目标探测方法。本专利技术所采用的技术方案是：1.一种基于图构造的高光谱遥感影像异常目标探测方法，其特征在于：将高光谱遥感影像X读入大小为P×N的R中，矩阵中各元素为各波段对应的像素辐射值，P为高光谱遥感影像的波段数，N为高光谱遥感影像的像素数；基于矩阵R对高光谱遥感影像进行如下操作：步骤1：对高光谱遥感影像X建立预测连接分量图Gpcc；步骤2：根据预测连接分量图中的相关性矩阵将高光谱遥感影像分割为稳健背景集合Xb和潜在异常目标集合Xa；步骤3：根据Xb构造k-NN临近图提取嵌入特征；步骤4：结合嵌入特征，将高光谱遥感影像转换到嵌入空间，获得嵌入后的高光谱遥感影像Ylpe；步骤5：对Ylpe构建k-NN临近图Ggse，进行积分检测，获得高光谱遥感影像X的异常目标探测结果。作为优选，步骤1的实现过程是，采用公式计算高光谱遥感影像X中各像元之间的欧氏距离，其中，xi和xj分别是高光谱遥感影像X中的第i个和第j个像元，rij为像元xi与像元xj之间的欧氏距离；采用公式初始化预测连接分量图Gpcc的相关性矩阵其中，是包含kpcc个与像元xi之间欧式距离最小像元的集合；对初始化后的采用迪杰斯特拉算法迭代更新迭代后获得的是像元xi与像元xj之间的测地距离。作为优选，步骤2的实现过程是，根据获得的预测连接分量图Gpcc的相关性矩阵采用公式统计中每一列非极大值个数，其中，wi(j)是中第i列第j行元素，mj＝(mj＝1,wi(j)≠∞|mj＝0,wi(j)＝∞)；采用公式对高光谱遥感影像X的各像元xi分配标签，其中，N为高光谱遥感影像中像元总数，标签为0的像元归入稳健背景集合Xb，标签为1的像元归入潜在异常目标集合Xa。作为优选，步骤3的实现过程是，采用公式计算稳健背景集合Xb中各像元之间的相关性关系值，其中，和分别是稳健背景集合Xb中的第i个和第j个像元，σ为流型参数；采用公式计算临近图的相关性矩阵，其中，是包含kelp个与像元之间相关性关系值最小像元的集合；采用公式计算对角矩阵采用公式计算稳健背景集合Xb的拉普拉斯矩阵求解矩阵相对矩阵的本文档来自技高网...

【技术保护点】
一种基于图构造的高光谱遥感影像异常目标探测方法，其特征在于：将高光谱遥感影像X读入大小为P×N的矩阵R中，矩阵中各元素为各波段对应的像素辐射值，P为高光谱遥感影像的波段数，N为高光谱遥感影像的像素数；基于矩阵R对高光谱遥感影像进行如下操作：步骤1：对高光谱遥感影像X建立预测连接分量图Gpcc；步骤2：根据预测连接分量图中的相关性矩阵将高光谱遥感影像分割为稳健背景集合Xb和潜在异常目标集合Xa；步骤3：根据Xb构造k‑NN临近图提取嵌入特征；步骤4：结合嵌入特征，将高光谱遥感影像转换到嵌入空间，获得嵌入后的高光谱遥感影像Ylpe；步骤5：对Ylpe构建k‑NN临近图Ggse，进行积分检测，获得高光谱遥感影像X的异常目标探测结果。

【技术特征摘要】
1.一种基于图构造的高光谱遥感影像异常目标探测方法，其特征在于：将高光谱遥感影像X读入大小为P×N的矩阵R中，矩阵中各元素为各波段对应的像素辐射值，P为高光谱遥感影像的波段数，N为高光谱遥感影像的像素数；基于矩阵R对高光谱遥感影像进行如下操作：步骤1：对高光谱遥感影像X建立预测连接分量图Gpcc；采用公式计算高光谱遥感影像X中各像元之间的欧氏距离，其中，xi和xj分别是高光谱遥感影像X中的第i个和第j个像元，rij为像元xi与像元xj之间的欧氏距离；采用公式初始化预测连接分量图Gpcc的相关性矩阵其中，是包含kpcc个与像元xi之间欧式距离最小像元的集合；对初始化后的采用迪杰斯特拉算法迭代更新迭代后获得的是像元xi与像元xj之间的测地距离；步骤2：根据预测连接分量图中的相关性矩阵将高光谱遥感影像分割为稳健背景集合Xb和潜在异常目标集合Xa；步骤3：根据Xb构造k-NN临近图提取嵌入特征；步骤4：结合嵌入特征，将高光谱遥感影像转换到嵌入空间，获得嵌入后的高光谱遥感影像Ylpe；步骤5：对Ylpe构建k-NN临近图Ggse，进行积分检测，获得高光谱遥感影像X的异常目标探测结果。2.根据权利要求1所述的基于图构造的高光谱遥感影像异常目标探测方法，其特征在于：步骤2的实现过程是，根据获得的预测连接分量图Gpcc的相关性矩阵采用公式统计中每一列非极大值个数，其中，wi(j)是中第i列第j行元素，mj＝(mj＝1,wi(j)≠∞|mj＝0,wi(j)＝∞)；采用公式对高光谱遥感影像X的各像元xi分配标签...

【专利技术属性】
技术研发人员：杜博，赵锐，张良培，张乐飞，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42