高光谱异常检测方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种高光谱异常检测方法、装置、设备及可读存储介质。方法包括：获取输入图像，输入图像为三维高光谱图像；将三维高光谱图像进行矩阵化，得到二维高光谱图像；将二维高光谱图像分解为背景部分和异常部分，基于对背景部分进行低秩矩阵分解和小波紧框架约束，构建目标函数；基于交替方向乘子法对目标函数进行求解，得到异常部分。本申请对高光谱图像的背景部分采用矩阵分解的方式代替直接使用高光谱图像本身，降低了由计算SVD带来的复杂度，并且在低维空间中计算效率高于在原始高光谱图像中。用小波紧框架变换作为正则项，更好地保存了高光谱图像的细节和几何特征，同时消除了由全变差正则项带来的阶梯伪影，提高了异常检测的效果。常检测的效果。常检测的效果。

【技术实现步骤摘要】
高光谱异常检测方法、装置、设备及可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种高光谱异常检测方法、装置、设备及可读存储介质。

技术介绍

[0002]高光谱遥感图像作为一种三维的图像数据，在众多至关重要的领域中得到应用，例如城市检测、军事侦察、矿产勘探等。在这些应用中，高光谱异常检测算法的研究一直占据着重要地位。传统的高光谱异常检测方法主要基于统计学理论对背景部分进行建模，但在实际情况中，由于真实高光谱图像数据的分布与背景模型假设差距较大且经常混有噪声，使得较为精确地对背景部分建模有一定的难度。除此之外，由于矩阵秩的最小化具有全局约束性，可以很好地表示高光谱图像背景部分的低秩性，因此矩阵低秩稀疏模型也常用作高光谱异常检测，而图像中的异常像素往往只占整幅图像中的一小部分，具有一定的稀疏性。如何充分地利用高光谱图像的性质以及改善对背景的约束，是提高模型效果的一个重要研究方向。
[0003]目前，大多数的高光谱异常检测方法通过使用核范数(nuclear norm)、加权核范数(weighted nuclear norm)或非本文档来自技高网...

【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，所述方法包括：获取输入图像，所述输入图像为三维高光谱图像；将所述三维高光谱图像进行矩阵化，得到二维高光谱图像；将所述二维高光谱图像分解为背景部分和异常部分，基于对所述背景部分进行低秩矩阵分解和小波紧框架约束，构建目标函数；基于交替方向乘子法对所述目标函数进行求解，得到异常部分。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，所述三维高光谱图像的表达式为：其中，为所述三维高光谱图像，m和n为所述三维高光谱图像的空间维度，p为所述三维高光谱图像的光谱维度，R为实数集；所述将所述三维高光谱图像进行矩阵化，得到二维高光谱图像，包括：将所述三维高光谱图像按所述光谱维度进行展开，得到所述二维高光谱图像；所述二维高光谱图像的表达式为：Y∈R
p
×
mn
其中，Y为所述二维高光谱图像。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，所述将所述二维高光谱图像分解为背景部分和异常部分后，所述二维高光谱图像的表达式为：Y＝L+S其中，L∈R
p
×
mn
为所述背景部分，S∈R
p
×
mn
为所述异常部分；所述基于对所述背景部分进行低秩矩阵分解和小波紧框架约束，构建目标函数，包括：对所述背景部分进行低秩矩阵分解，得到：L＝AX其中，A∈R
p
×
r
为随机生成的一个矩阵，r为满足r＜＜min(p，mn)的预设值，X∈R
r
×
mn
为表示系数；构建目标函数，所述目标函数的表达式为：其中，s.t.代表约束条件，W为小波紧框架变化矩阵，其值为固定值，WX为小波紧框架变换域中图像的表示系数，||WX||1表示WX的正则项，||S||
2，1
表示S的L21范数，min
A，X，S
||WX||1+λ||S||
2，1
代表在满足约束条件Y＝AX+S的情况下，使得||WX||1+λ||S||
2，1
最小的A、X和S。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，所述基于交替方向乘子法对所述目标函数进行求解，得到异常部分，包括：引入额外变量，所述额外变量的表达式为：U＝WX其中，U为所述额外变量；基于所述额外变量，所述目标函数的表达式可以转化为：
基于增广拉格朗日函数，将上式转化为无约束的优化函数：其中，Q1和Q2为拉格朗日乘子，μ为惩罚参数，<Q1，U
‑
WX>和<Q2，Y
‑
AX
‑
S>分别表示对Q1与U
‑
WX和Q2与Y
‑
AX
‑
...

【专利技术属性】
技术研发人员：陈勇勇，孟利翔，陈炜昕，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：