【技术实现步骤摘要】
基于改进孤立森林算法的高光谱图像异常检测方法及装置
本专利技术涉及高光谱遥感图像异常检测领域，具体而言，涉及一种基于改进孤立森林算法的高光谱图像异常检测方法及装置。
技术介绍
高光谱遥感是高光谱分辨率遥感的简称，可同时获取描述地物分布的二维空间信息与描述地物光谱特性的一维光谱信息，其光谱分辨率为纳米级。高光谱遥感图像具有丰富且细致的地物光谱信息，广泛应用于农业生产、环境保护等领域。其中，异常目标检测是高光谱遥感图像的重要应用之一，也是该领域的研究热点之一。高光谱图像异常检测可在没有感应到目标先验信息的情况下，探测出在光谱维或空间维与多数背景地物存在明显差异的目标或像元。例如，草地上行驶的车辆、海洋上的舰船或石油泄漏点、机场停放的飞机等为异常目标，而草地、海洋和机场为背景地物。传统的高光谱图像异常检测方法核心是对背景地物的精确建模，即致力于研究如何更优的定义背景、如何更优的描述背景地物的数学分布或如何更优的表示背景，从而根据得到的背景模型准确的识别出与之存在明显差异的像元。然而，高光谱数据背景地物中异常目标的存在极大的...
【技术保护点】
1.基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，包括以下步骤：/n基于高光谱遥感图像构建高达上百维的高光谱图像数据立方体；/n对高达上百维的所述高光谱图像数据立方体进行降维处理，得到所述高光谱图像的第一主成分；/n基于所述高光谱图像的所述第一主成分所呈现的地物信息，将所述高光谱图像分割成若干个子区域；/n对所述高光谱图像进行归一化处理，将每个像元在各波段的灰度值映射至(0，1]内；/n基于所述高光谱图像分割成若干个子区域得到的图像分割结果，利用孤立森林算法在每个子区域内对经归一化后的所述高光谱图像进行检测；/n基于检测计算每个像元的异常得分，得到检测结果。/n
【技术特征摘要】 【专利技术属性】
1.基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，包括以下步骤：
基于高光谱遥感图像构建高达上百维的高光谱图像数据立方体；
对高达上百维的所述高光谱图像数据立方体进行降维处理，得到所述高光谱图像的第一主成分；
基于所述高光谱图像的所述第一主成分所呈现的地物信息，将所述高光谱图像分割成若干个子区域；
对所述高光谱图像进行归一化处理，将每个像元在各波段的灰度值映射至(0，1]内；
基于所述高光谱图像分割成若干个子区域得到的图像分割结果，利用孤立森林算法在每个子区域内对经归一化后的所述高光谱图像进行检测；
基于检测计算每个像元的异常得分，得到检测结果。
2.根据权利要求1所述的基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，在所述对高达上百维的高光谱图像数据立方体进行降维处理，得到所述高光谱图像的第一主成分中包括：
基于主成分分析方法对高达上百维的所述高光谱图像数据立方体进行降维处理并选取所述第一主成分。
3.根据权利要求1所述的基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，基于阈值的图像分割方法对所述第一主成分图像进行分割。
4.根据权利要求1所述的基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，应用(0，1)标准化方法对所述高光谱图像数据进行归一化。
5.根据权利要求1所述的基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，在所述基于所述高光谱图像分割成若干个子区域得到的图像分割结果，利用孤立森林算法在每个子区域内对经归一化后的所述高光谱图像进行检测中包括：
将所述孤立森林算法面向所述高光谱图像数据进行改进，对改进后的所述孤立森林中的多课二叉树进行训练；
将改进后的所述孤立森林中的每棵树都进行改进并组成森林，直至改进后所述孤立森林模型训练完毕；
将待测高光谱图像的所有像元输入至改进后的所述孤立森林模型中进行检测。
6.根据权利要求5所述的基于改进孤立森林算法的高光谱图像异常检测方法，其特征在于，改进所述孤立森林算法的训练步骤包括：
技术研发人员：宋向宇，何斌，聂婷，毕国玲，李明轩，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。