一种检测高光谱图像异常目标的方法技术

本发明专利技术涉及检测高光谱图像异常目标技术领域，尤其涉及一种检测高光谱图像异常目标的方法，针对当前现有的检测高光谱图像异常目标技术仍存在复杂的高光谱背景信息限制异常检测的性能，且最优秩难以估计，异常检测处理过程中图像非线性和高维性的限制，导致异常目标检测效率较低的问题，现提出如下方案，其中包括以下步骤：S1：方法结合，S2：获得算法，S3：获取方法，本发明专利技术的目的是通过将基于表示的方法和基于统计的方法相结合，利用其各自的优势检测高光谱图像的异常目标，抑制部分背景噪声，提高了高光谱图像异常目标检测的精度，同时通过使用k均值聚类方法，确保了检测的稳定性和准确性，提高了异常目标检测效率。提高了异常目标检测效率。提高了异常目标检测效率。

【技术实现步骤摘要】
一种检测高光谱图像异常目标的方法


[0001]本专利技术涉及检测高光谱图像异常目标
，尤其涉及一种检测高光谱图像异常目标的方法。

技术介绍

[0002]与多光谱图像相比，高光谱图像可以更有效地识别和理解地表物质。高光谱图像被广泛应用于图像质量评估、图像校正、分类、分解、目标检测等领域。其中，因为不需要任何先验信息，高光谱异常目标检测已应用于许多领域，如：海洋溢油检测、战场目标准确识别和农产品的质量检查等。近年来，从算法实现和应用的角度对高光谱异常目标检测进行了大量的研究。通常，高光谱异常目标检测算法可以分为两类：基于统计的方法和基于表示的方法。Reed和Xiaoli Yu提出的RX异常检测算子，是基于统计的异常检测算法中的经典方法。该方法简化了高斯多元分布的背景模型，通过异常目标不同于背景特征分布这一高光谱图像特性，利用马氏距离进行异常目标检测。由于高光谱图像分布的复杂性，背景分布往往偏离高斯分布，因此，传统的RX异常检测算子方法检测精度偏低。基于表示的高光谱异常检测方法主要以稀疏表示、张量分解等为核心内容，典型的方法有低秩稀疏矩阵分解高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测高光谱图像异常目标的方法，其特征在于，包括以下步骤：S1：方法结合：由专业人员将基于表示的方法和基于统计的方法进行结合；S2：获得算法：由专业人员获得基于聚类子空间累积的低秩稀疏分解高光谱异常检测算法；S3：获取方法：由专业人员获取K
‑
均值聚类的无监督学习方法；S4：非平稳信号处理：通过分数阶傅里叶变换法对非平稳信号进行处理；S5：构建模型：由专业人员构建低秩稀疏矩阵分解模型；S6：算法优化：由专业人员对经典的RX算法进行优化。2.根据权利要求1所述的一种检测高光谱图像异常目标的方法，其特征在于，所述S1中，由专业人员将基于表示的方法和基于统计的方法进行结合，并通过所述方法各自的优势检测异常目标，其中通过使用k均值聚类方法将高光谱图像聚类为几个子空间，并使用分数阶傅里叶变换和低秩与稀疏矩阵分解方法处理高光谱图像，同时通过利用改进的RX检测方法在每个子空间中进行异常检测，并对每个子空间的检测结果进行累积，通过积累获得最终异常检测结果。3.根据权利要求1所述的一种检测高光谱图像异常目标的方法，其特征在于，所述S2中，由专业人员获得基于聚类子空间累积的低秩稀疏分解高光谱异常检测算法，其中所述算法为输入:原始高光谱图像数据，初始化:CL，num，pr，r，k，Γ，W，S步骤:1)原始高光谱图像Y通过式(3)，得到聚类子空间2)在每一个子空间中利用分数阶傅里叶变换算法得到3)在中，利用Godec算法得到{W1,W2,
…
W
i
,
…
,W
ε
}4)5)在每一个子空间中，通过式(16)得到异常检测结果{Θ1,Θ2,
…
Θ
i
,
…
Θ
ε
}6)最后，得到最终的异常检测结果输出:高光谱图像异常检测结果图。4.根据权利要求1所述的一种检测高光谱图像异常目标的方法，其特征在于，所述S3中，由专业人员获取K
‑
均值聚类的无监督学习方法，其中所述K
‑
均值聚类的无监督学习方法是一种迭代聚类算法以及一种数据聚类技术，通过所述K
‑
均值聚类的无监督学习方法将数据划分为特定数量的聚类，并由专业人员通过所述K
‑
均值聚类的无监督学习方法进行处理。5.根据权利要求4所述的一种检测高光谱图像异常目标的方法，其特征在于，其中进行处理时所述处理步骤为(A)假设高光谱图像矩阵ε是聚类数，聚类中心假定为C＝{c1,c2,c3,
…
c
j
,
…
c
ε
}，并且Y是归一化的，(B)从高光谱图像数据集Y
中随机选择B样本作为初始聚类中心，(C)y
i
(i＝1,2,
…
B；j＝1,2,
…
ε)是高光谱图像数据集中的样本，并且将计算从y
i
到聚类中心的距离，公式为：其中L是样本的维数，(D)依据从每个样本到聚类中心的计算距离，找到最小距离，并将样本划分为相应的聚类，(E)根据等式(2)重新计算和更新聚类中心，并根据等式(3)计算目标函数的结果，同时判断聚类中心和目标函数，其中满足要求则算法结束，不满足要求则继续执行步骤(B)，其中所述等式(2)公式为(2)，等式(3)公式为6.根据权利要求1所述的一种检测高光谱图像异常目标的方法，其特征在于，所述S4中，通过分数阶傅里叶变换法对非平稳信号进行处理，其中进行处理时假设高光谱图像矩阵N为像元数，κ为光谱波段数，通过处理进行描述，其中对于每个像元y
i
其在分数阶傅里叶变换域中采用等式(4)、等式(5)以及等式(6)进行描述，且所述等式(4)公式为所述等式(5)公式为所述等式(6)公式为其中和λ是指数，n是整数，是分数阶傅里叶变换的分数阶，且时则有时则有时则有所述为旋转角，且7.根据权利要求1所述的一种检测高光谱图像异常目标的方法，其特征在于，所述S5中，由专业人员构建低秩稀疏矩阵分解模型，其中由专业人员在低秩和稀疏矩阵分解中...

【专利技术属性】
技术研发人员：成宝芝，高艳，
申请(专利权)人：常州工学院，
类型：发明
国别省市：