一种基于联合图模型的高光谱图像异常目标检测方法技术

本发明专利技术提供的是一种基于联合图模型的高光谱图像异常目标检测方法，首先，采用光谱图子模型进行异常目标检测，原始高光谱图像经过图傅里叶变换(GFT)，原始高光谱图像和其经过GFT后的图像之间的重建误差被映射到分数傅里叶域(FrFD)进行异常目标检测，该过程利用了高光谱图像的全局光谱信息；之后，采用空间图子模型进行异常目标检测，栈式自动编码(SAE)和自适应算法相结合进行异常目标检测，该过程利用了高光谱图像的局部空间信息和光谱信息；最后，两个子模型通过差分融合方法相结合形成联合图模型，获得最终的异常目标检测结果。本发明专利技术充分考虑了高光谱图像的空间特性和光谱特性，使检测结果更加可靠。

【技术实现步骤摘要】

本专利技术涉及的是一种高光谱图像目标检测方法，具体涉及一种基于联合图模型的高光谱图像异常目标检测方法。

技术介绍

1、高光谱图像具有两个空间维度和一个光谱维度，具有数百个连续波段，其优越的光谱分辨率可以提供丰富的地面物体光谱信息。由于这一优势，高光谱图像在分类和目标检测领域都受到了广泛关注。当不能预知目标光谱时，目标检测是指异常目标检测，简称为异常检测。通常，在实际情况下，提前获得目标的光谱并不容易，因此异常检测的应用场景更为多样，如微观探测、环境监测、救灾、安全监管和食品安全。在过去的二十年里，人们对高光谱异常检测进行了广泛的研究，并出现了许多算法。在所有这些算法中，rx检测器经典算法，它假设背景服从多元正态分布，其背景指的是整个图像。局部rx被视为rx的局部版本，它使用滑动双窗口来获得以测试点为中心的内外窗口之间的局部背景。然而，真实的高光谱图像非常复杂，背景符合高斯分布的前提在实际场景中是不准确的。此外，背景也可能受到异常值和噪声的污染，并且不是纯净的。核rx算法将高光谱图像映射到具有非高斯分布的高维特征空间中，此外，出现了加权rx检测器、分段rx和本文档来自技高网...

【技术保护点】

1.一种基于联合图模型的高光谱图像异常目标检测方法，其特征是包括以下步骤：

2.根据权利要求1所述的基于联合图模型的高光谱图像异常目标检测方法，其特征在于步骤(1)所述的光谱图子模型的检测结果是通过下列步骤实现的：

3.根据权利要求1所述的基于联合图模型的高光谱图像异常目标检测方法，其特征在于步骤(2)所述的空间图子模型的检测结果是通过下列步骤实现的：

4.根据权利要求1所述的基于联合图模型的高光谱图像异常目标检测方法，其特征在于步骤(3)所述的异常目标检测结果是通过下列步骤获得：

【技术特征摘要】

1.一种基于联合图模型的高光谱图像异常目标检测方法，其特征是包括以下步骤：

2.根据权利要求1所述的基于联合图模型的高光谱图像异常目标检测方法，其特征在于步骤(1)所述的光谱图子模型的检测结果是通过下列步骤实现的：

3.根据权利要求1所述...

【专利技术属性】
技术研发人员：张丽丽，林芳，付保红，徐新月，
申请(专利权)人：大庆师范学院，
类型：发明
国别省市：