【技术实现步骤摘要】
本专利技术涉及工业自动化检测
，特别涉及一种。
技术介绍
高光谱遥感以其纳米级的光谱分辨率和在可见光到短波红外甚至热红外波段的超多波段成像特点，引起广大从事遥感和应用人士的高度重视。其应用领域也越来越广泛，涉及全球环境、土地利用、资源调查等许多领域。特别是在目标探测方面，高光谱尤其重要。由于受地面采样距离的限制，在很多情况下感兴趣的目标都以亚像元的形式存在，亚像元是高光谱影像上目标存在的主要方式。此时，利用传统的遥感手段很难对这些小目标进行有效探测，高光谱遥感以其波段多、光谱分辨率高、信息量大的特点为亚像元方式存在目标的检测提供了可能。目前存在多种高光谱影像目标检测方法，依据先验知识的有无大致可分为四种:Cl)目标已知、背景未知；(2)目标已知、背景已知；(3)目标未知、背景已知；(4)目标未知、背景未知。在很多实际情况下，研究者总没有足够的先验知识来表征目标类别及背景的信息。因此，只能通过对原始数据进行统计分析，并依据目标在特征空间的特性进行目标探测，这一类方法称之为异常检测。这一类方法首先统计背景的统计信息，如均值、协方差矩阵、相关矩阵等，然后设计一个滤波器，并利用滤波器探测目标。这一类的算法有RX算法及其一系列改进算法、低概率目标探测算法(LPTD)、均衡目标探测算法(UTD)等。综上所述，这些方法在探测目标时最重要的是计算背景的统计信息，且一般用正态分布模型来对背景数据进行模拟。但是一幅光谱影像上地物种类繁多，背景数据有时并不能很好的符合正态分布模型。且因为目标的存在，更有可能使得背景模型存在较大的误差。如此一来，基于正态分布模...
【技术保护点】
一种基于同质图斑的高光谱异常探测方法，其特征在于，包括步骤：S1、采用光谱降维法对原始高光谱数据X进行变换，得到变换后的特征向量Y；S2、采用多光谱影像分割方法对降维后的影像Y进行分割，得到标记影像L；S3、搜索标记影像L中标记号相同的像素，形成像素集，每一个像素集对应着一个同质斑块；S4、采用加权法计算每个同质斑块的均值及方差；S5、以同质斑块为单位，依次计算每个像素的异质度；S6、确定异质度的阈值，依次判断每个像素是否为异常点。
【技术特征摘要】
1.一种基于同质图斑的高光谱异常探测方法，其特征在于，包括步骤:51、采用光谱降维法对原始高光谱数据X进行变换，得到变换后的特征向量Y;52、采用多光谱影像分割方法对降维后的影像Y进行分割，得到标记影像L；53、搜索标记影像L中标记号相同的像素，形成像素集，每一个像素集对应着一个同质斑块；54、采用加权法计算每个同质斑块的均值及方差；55、以同质斑块为单位，依次计算每个像素的异质度；56、确定异质度的阈值，依次判断每个像素是否为异常点。2.如权利要求1所述的方法，其特征在于，在步骤SI中变换方法具体为:Y=WpcaX ⑴式中:WrcA为PCA的投影矩阵，其由光谱数据协方差矩阵的特征值按大小排列后，前m个特征值所对应的列特征向量组成的矩阵。3.如权利要求1所述的方法，其特征在于，在步骤S2中，采用基于背景梯度分布模型的分水岭影像分割方法对多光谱影像Y进行分割，得到标记图像L。4...
【专利技术属性】
技术研发人员：相里斌，张桂峰，吕群波，周锦松，黄旻，明星，赵宝玮，
申请(专利权)人：中国科学院光电研究院，
类型：发明
国别省市：
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。