基于Godec和孤立森林的高光谱图像异常检测方法技术

本发明专利技术公开了一种基于Godec和孤立森林的高光谱图像异常检测方法，首先对原始图像应用Godec分解提取低秩部分，稀疏部分和噪声部分，然后将稀疏部分和噪声部分输入到孤立森林检测器，以获得光谱维的全局异常得分。然后将低秩部分和原始图像输入到IIF检测器中，以获得光谱维的局部异常得分。空间方面通过对稀疏部分采取滑动窗口提取空间特征的方法进行孤立森林检测得到空间检测图。最后，将光谱维的全局异常得分和光谱维的局部异常得分与空间维的得分进行融合，预测最终的异常得分。在几个真实的高光谱数据集上的实验结果表明，本文提出的方法在检测精度和背景抑制方面具有较强的竞争力。

【技术实现步骤摘要】

本专利技术涉及高光谱图像异常检测领域，尤其涉及一种基于godec和孤立森林的高光谱图像异常检测方法。

技术介绍

1、目前，高光谱异常检测已经成为高光谱数据分析中的一个热门研究领域。高光谱异常检测是指从高光谱数据中检测和识别不同于背景的异常光谱特征。这些异常可能代表地物表面的不同物质、不同的空间结构、不同的形态、不同的光谱响应等。高光谱异常检测的目的是从大量的高光谱数据中提取出这些异常信息，以帮助用户更好地理解地物的性质和状态。近年来，人们提出了许多高光谱图像异常检测方法。其中，基于统计理论的异常检测方法是高光谱图像异常检测领域最先发展起来的。由i.s.reed和xiaoli yu提出的reed-xiaoli算法填补了高光谱图像异常检测领域的理论空白(rx算法，也记为rxd)。rx方法利用多元高斯分布来表征背景，并利用测试像素与背景之间的马氏距离来检测异常。除了基于概率分布的方法外，基于协同表示、稀疏表示和张量表示的异常检测器也受到了极大的关注。基于协同表示的检测器(crd)，用来检测具有未知特征的异常，即如果一个像素不能被背景原子协同表示，则被认为是异常。本文档来自技高网...

【技术保护点】

1.一种基于Godec和孤立森林的高光谱图像异常检测方法，其特征在于包括：读取高光谱图像数据X；

2.根据权利要求1所述的基于Godec和孤立森林的高光谱图像异常检测方法，其特征在于：所述光谱维的局部异常得分采用如下方式获取：基GoDec分解高光谱图像数据X，得到低秩部分L、稀疏部分S和噪声部分N

3.根据权利要求1所述的基于Godec和孤立森林的高光谱图像异常检测方法，其特征在于：所述光谱维的全局异常得分采用如下方式获取：

4.根据权利要求1所述的基于Godec和孤立森林的高光谱图像异常检测方法，其特征在于：获取空间维的异常得分时：判定经过Godec...

【技术特征摘要】

1.一种基于godec和孤立森林的高光谱图像异常检测方法，其特征在于包括：读取高光谱图像数据x；

2.根据权利要求1所述的基于godec和孤立森林的高光谱图像异常检测方法，其特征在于：所述光谱维的局部异常得分采用如下方式获取：基godec分解高光谱图像数据x，得到低秩部分l、稀疏部分s和噪声部分n

3.根据权利要求1所述的基于godec和孤立森林的高光谱图像异常检测方法，其特征在于：所述光谱维的全局异常得分采用如下方式获取：

【专利技术属性】
技术研发人员：宋梅萍，岳峰宇，史鹏良，李兰，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：