【技术实现步骤摘要】
本专利技术属于高光谱影像异常检测，特别涉及一种基于密度峰值聚类的孤立森林高光谱影像异常检测方法。
技术介绍
1、高光谱影像光谱分辨率较高，同一位置的光谱值可以形成近似连续的光谱曲线，为地物判别提供了丰富的光谱信息。高光谱影像异常检测旨在搜索与背景像元显著不同的异常像元目标，在环境监测、农业、军事探测等领域具有广泛的应用。但高维的影像数据，在分析计算时会产生较大的计算量，且高光谱影像相邻波段间往往具有高相似性，导致“维数灾难”。在使用高光谱影像数据进行异常检测任务前，需要在尽可能保留图像包含的信息的前提下，降低高光谱影像的维度。
2、高光谱异常检测任务的目标是在无先验知识下，找出高光谱数据中检测异常或者不寻常的像元和区域，这些异常像元往往具有两个特点：1)出现概率低，异常像元的数量在整幅高光谱影像占比较低；2)光谱差异明显，异常像元与其他像元在光谱特征上具有明显的差异。孤立森林算法是一种用于数据挖掘的无监督异常检测方法，它的原理是异常值会在划分时会更早被“孤立”出来。孤立森林算法在处理高光谱影像数据时，不需要对影像复杂的地物进...
【技术保护点】
1.基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，包括：
2.根据权利要求1所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，采用改进的SLIC0算法将待检测的高光谱影像分割为多个超像素区域，包括如下步骤：
3.根据权利要求2所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，在所述步骤2中，像元与领域内的超像素聚类中心的距离通过如下公式计算：
4.根据权利要求3所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，将通过密度峰值聚类算法得到的聚类中心作为改进的SLIC...
【技术特征摘要】
1.基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，包括：
2.根据权利要求1所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，采用改进的slic0算法将待检测的高光谱影像分割为多个超像素区域，包括如下步骤：
3.根据权利要求2所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，在所述步骤2中，像元与领域内的超像素聚类中心的距离通过如下公式计算：
4.根据权利要求3所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，将通过密度峰值聚类算法得到的聚类中心作为改进的slic0算法的输入对待检测的高光谱影像进行分割。
5.根据权利要求1-4任意一项所述的基于密度峰值聚类的孤立森林高光谱影像异常检测方法，其特征在于，像元在孤立森...
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。