【技术实现步骤摘要】
本专利技术属于高光谱遥感图像处理，具体涉及一种全局异常加权的高光谱遥感图约束协同表示异常探测方法。
技术介绍
1、高光谱遥感技术结合了成像技术和光谱技术，能同时获得地物的空间信息和光谱信息，得到“图谱合一”的高光谱图像。高光谱图像和传统多光谱图像的主要区别在于窄带成像。高光谱图像可以看成是具有两个空间维度和一个光谱维度的三维数据立方体，它不仅记录了地物成像的空间信息，还记录了其连续的光谱信息。不同地物的材质不同，反射和吸收的信息不同，所得到光谱曲线也不一样，因而高光谱图像给地物的精细识别带来了良好的机遇。由于高光谱图像蕴含大量的信息，具有波段多，光谱分辨率高等特点，它可以被用来解决很多光学图像或多光谱图像无法解决的问题，特别是在基于不同材质的光谱特征来辨别地物方面，高光谱图像具有不可比拟的优势，但这同时也给高光谱图像带来了维数灾难、数据冗余的难点。目前，高光谱影像在精准农业、环境监测、地物覆盖分类、目标探测等领域都具有重要的应用价值和广阔的发展前景。
2、目标探测即对高光谱影像中的感兴趣地物目标或区别于大部分地物类型的小地物目标进行探测识别。根据探测地物目标先验信息是否已知，高光谱目标探测可分为已知目标先验信息的有监督目标探测和未知目标先验信息的无监督目标探测。无监督的目标探测即异常探测，在实际场景中，很多地物类型的先验光谱信息都难以获得，此外在大气传输过程中，由于大气吸收、光照以及传感器信号的影响，使得所获得的地物光谱具有多变性，导致了同物异谱、同谱异物现象的发生，这给需要先验信息的目标探测带来了阻碍。在这种情况下
3、在高光谱遥感异常探测中，异常目标通常具有出现概率低、数量少、面积小以及光谱特征与周围像素显著不同的特点。现有的高光谱异常探测算法大致可分为三类，即基于统计模型的异常探测算法、非线性的异常探测方法和基于表示学习的异常探测算法。reed-xiaoli(rx)异常探测算法被认为是统计模型中最经典的算法，该方法假设背景像元服从多元高斯分布，将偏离背景地物多元高斯分布特性的像元判定为异常目标。但是统计模型的背景假设单一，没有考虑到在实际高光谱影像中，地物类型的繁多且分布不均。非线性的异常探测算法将将原本难以实现线性区分的背景与异常数据映射到更高维的特征空间中，增加数据间的可分性。svdd算法是一种采用核方法的支持向量方法，它避免了对原始背景数据分布的预先假设，通过最小封闭超球面对背景进行建模，将超出超球面模型的光谱像元判定为异常。虽然非线性的异常探测方法增减了数据间的可分性，但由于将数据映射到更高维空间中，带来了数据量增大、计算复杂等问题。近年来，没有任何统计假设的基于表示的方法引起了广泛关注，基于表示模型的异常探测算法认为正常的背景像元可以由一个字典很好地线性表示，而异常像元不能。根据不同的约束条件，基于表示模型的异常探测可被分为稀疏表示、协同表示和低秩表示。其代表性的算法包括bjsr算法、crd算法、lrasr算法等，基于表示模型的异常探测算法因模型简单，泛化能力强以及具有高效性等特点成为了研究的热点。
4、基于表示模型的异常探测方法较好地实现了对背景的建模，提升了异常目标的探测准确度，具有计算效率高、泛化能力强等优点。但基于表示模型的高光谱异常探测仍存在一些问题，即现有的协同表示模型的约束强硬单一，同时利用滑动双窗口模型所构建的字典原子受到未知异常像元的影响，这些干扰都会影响表示模型的重构效果；此外双窗口模型对高光谱影像的特征利用不足，这也影响了异常目标的探测效果。因此如何提升表示模型下的重构效果，以及充分发挥高光谱影像的特征从而提升异常探测的效果是目前亟需解决的问题。
技术实现思路
1、专利技术目的：本专利技术提供一种全局异常加权的高光谱图约束协同表示异常探测方法，能够保持字典原子空间中的局部几何结构，并在表示模型下使高光谱影像重构效果更好且异常部分更加突显，进一步提高了异常目标的探测准确度。
2、技术方案：为实现上述专利技术目的，本专利技术所述的全局异常加权的高光谱图约束协同表示异常探测方法，包括以下步骤：
3、步骤1，将高光谱遥感影像转换为二维矩阵x∈rb×n，其中b为波段数，n为像元数；
4、步骤2，对每一个像元，利用滑动双窗口构建局部字典集xs，其中s为字典原子数；
5、步骤3，计算字典原子间的邻接矩阵w，根据邻接矩阵w得到对称归一化拉普拉斯矩阵lsym；将得到的对称归一化拉普拉斯矩阵构建为图正则项，使用图正则项作为约束条件之一增加优化协同表示模型的约束项，构建图约束协同表示模型，并求得系数向量的闭式解，获得初始的异常探测结果；利用全局信息和光谱残差模型计算高光谱影像的全局异常显著性权重；
6、利用光谱残差模型构建出高光谱影像的全局异常显著性权重，具体步骤如下：
7、(a)利用最优聚类框架(optimal clustering framework，ocf)的方法对高光谱遥感影像进行波段选择，获得信息最丰富的前三个波段所生成的影像i(x)后，求得影像的灰度影像；
8、(b)对灰度影像进行傅立叶变换，将傅立叶变换后的灰度影像a(f)进行对数变换，求得对数振幅谱l(f)；
9、(c)利用局部的平均滤波器对对数谱l(f)进行卷积操作，获得平均对数振幅谱
10、(d)对数振幅谱减去平均对数振幅谱得到光谱残差r(f)；
11、(e)对光谱残差r(f)进行傅立叶逆变换，同时利用高斯滤波器g(x)进行平滑，获得全局异常显著性权重；
12、步骤4，将初始的异常探测结果和全局异常显著性权重进行非线性融合；
13、步骤5，输出最终的异常探测结果。
14、进一步的，所述步骤3中所构建的邻接矩阵w＝(wij)s×s，其具体的实现公式为：
15、
16、式中，σ通常取1，dij为改进的光谱jaccard相似距离，为了减小运行时间，利用基于矩阵计算的方法获得改进的jaccard相似矩阵d＝(dij)s×s，具体的实现公式为：
17、
18、式中j∈rs×1为每个像元的相似向量，具体的计算公式为：
19、ji＝b00+b11
20、式中b00为第i个字典原子的光谱曲线一阶导数小于等于0的个数，b11为第i个字典原子的光谱曲线一阶导数大于0的个数。
21、进一步的，所述步骤3中在协同表示的基础上增加图正则项约束构建图约束协同表示模型，其具体的函数形式为：
22、
23、其中γy为待测像元与字典原子间的光谱距离，lsym为对称归一化拉普拉斯矩阵，具体的计算公式为：
24、
25、式中，为邻接矩阵w的度矩阵，l为邻接矩阵的拉普拉斯矩阵系数向量的闭式解具体表现为：
本文档来自技高网...
【技术保护点】
1.一种全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于，所述的利用全局信息和光谱残差模型计算高光谱影像的全局异常显著性权重，包括以下步骤：
3.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：所述邻接矩阵W＝(wij)s×s的计算公式为：
4.根据权利要求3所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：改进的光谱Jaccard相似距离矩阵d＝(dij)s×s的计算公式为：
5.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：在协同表示的基础上增加图正则项约束构建图约束协同表示模型，计算式为：
6.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：所述全局异常显著性权重，计算公式为：
7.根据权利要求6所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征
8.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：将初始的异常探测结果和全局异常显著性权重进行非线性融合，计算公式为：
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法。
10.一种计算机程序产品，包括计算机程序和/或指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8中任一项所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法。
...【技术特征摘要】
1.一种全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于，所述的利用全局信息和光谱残差模型计算高光谱影像的全局异常显著性权重，包括以下步骤：
3.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：所述邻接矩阵w＝(wij)s×s的计算公式为：
4.根据权利要求3所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：改进的光谱jaccard相似距离矩阵d＝(dij)s×s的计算公式为：
5.根据权利要求1所述的全局异常加权的高光谱遥感图约束协同表示异常探测方法，其特征在于：在协同表示的基础上增加图正则项约束构建图约束协同表示模型，计算式为：
6.根据权利要求1所述的全局异常加...
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。