【技术实现步骤摘要】
高光谱异常检测方法、装置、电子设备及可读存储介质
[0001]本申请涉及图像处理
，特别是涉及一种高光谱异常检测方法、装置、电子设备及可读存储介质。
技术介绍
[0002]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、多光谱快速发展至高光谱，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。基于各种地物之间的不同光谱特性，高光谱遥感技术广泛应用于地物识别分类、定量反演和异常目标检测等
其中，高光谱异常检测因其不需要先验信息、符合实际需求等优势，成为了近年来的研究热点。异常目标通常是指与周围背景光谱分布存在显著差异、且在空间上稀疏分布或出现概率较低的目标。
[0003]传统技术所采用的异常目标检测算法是Reed等提出的RX算法，其本质是基于广义似然比检测的一种恒虚警率异常目标检测算法，通过计算背景的协方差矩阵和均值向量获得被检测像元与背景像元的马氏距离，从而得到检测结果。由于实际情况中高光谱数据背景复杂、很难满足正态分布假设，在检测过程中计算协方差矩阵时...
【技术保护点】
【技术特征摘要】
1.一种高光谱异常检测方法，其特征在于，包括：对待处理高光谱图像进行像素块划分，得到每个像元对应的待识别数据像素块；将各待识别数据像素块输入至利用预先构建的3D卷积自编码模型中，得到各待识别数据像素块的空谱特征信息；所述3D卷积自编码模型用于对输入数据像素块进行编码操作得到空谱数据块，并对所述空谱数据块进行解码重构处理，得到空谱特征信息；利用预设空谱联合异常方法对各空谱特征信息进行异常概率计算，得到各像元的异常检测结果；根据所述异常检测结果判断各像元是否异常。2.根据权利要求1所述的高光谱异常检测方法，其特征在于，所述3D卷积自编码模型包括编码器网络模块和解码器网络模块；所述编码器网络模块用于对输入待识别数据像素块进行编码操作得到空谱数据块，所述解码器网络模块用于实现对所述空谱数据块进行原始数据像素块的重构；所述编码器网络模块和所述解码器网络模块的卷积核为3D卷积核；所述3D卷积自编码模型的损失函数包括欧式距离、光谱角度量约束和连接权重损失，所述欧式距离用于描述中心像素的局部相似性，通过计算中心像素与其空间邻域像素的光谱特征，以约束所述中心像素与其空间邻域像素的关系；所述光谱角度量约束用于计算输入像素与重构像素的光谱相似性；所述连接权重损失为所述3D卷积自编码模型的权重值。3.根据权利要求2所述的高光谱异常检测方法，其特征在于，所述编码器网络模块的输入为待识别数据像素块，输出为空谱数据块；所述编码器网络模块包括第一卷积层、第二卷积层、第三卷积层和第四卷积层，所述第一卷积层的卷积核大小为1
×3×
3，步长为1
×1×
1；所述第二卷积层的卷积核大小为3
×1×
1，步长为3
×1×
1；所述第三卷积层的卷积核大小为1
×3×
3，步长为1
×1×
1；所述第四卷积层的卷积核大小为3
×1×
1，步长为3
×1×
1；所述编码器网络模块利用BN层和激活函数对每次卷积操作结果进行处理。4.根据权利要求3所述的高光谱异常检测方法，其特征在于，所述解码器网络模块的输入为空谱数据块，输出为空谱特征；所述解码器网络模块包括第五卷积层、第六卷积层、第七卷积层和第八卷积层；所述第五卷积层的卷积核为3
×1×
1、步长为3
×1×
1、所述第六卷积层的卷积核为1
×3×
3、步长为1
×1×
1、所述第七卷积层的卷积核为3
×1×
1、步长为3
×1×
1和所述第八卷积层的卷积核为1
×3×
3、步长为1
×1×
1；所述解码器网络模块利用BN层对每次卷积操作结果进行处理。5.根据权利要求1至4任意一项所述的高光谱异常检测方法，其特征在于，所述利用预设空谱联合异常方法对各空谱特征信息进行异常概率计算，得到各像元的异常检测结果，包括：对每个空谱特征信息，...
【专利技术属性】
技术研发人员：朱济帅，安源，李海霞，刘康，陈木森，李小宝，
申请(专利权)人：海南长光卫星信息技术有限公司，
类型：发明
国别省市：
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。