论文部分内容阅读
在遥感技术快速发展的时代,高光谱异常检测技术也随之迅速崛起并成为人们研究的热点方向。区别于普通光学图像,高光谱图像可借助其特有的地物光谱信息有效区分存在细微光谱差别的地物。在真实场景中地物先验信息的获取极为困难,无需任何先验信息的异常检测方法具有较强的实用性,因而更符合实际应用的需求。然而,实际异常检测中,随着获取地物信息的日渐丰富,数据量的增加会给高光谱数据的传输、存储及后续相关处理带来巨大的压力;另一方面,高光谱图像小目标探测存在大面积背景异常的干扰,若直接采用传统阈值分割方法会产生较高的虚警,且已有的异常检测算法是通过多次实验验证来确定分割阈值,使得在实际应用处理中最佳阈值的获取变得非常困难。因而,如何减少地面数据存储和处理工作量,提高异常目标检测精度和效率是一个刻不容缓的问题。基于以上问题,本文针对异常检测算法效率问题,在核RX算法的基础上提出一种采用核递归的异常检测算法;针对实际处理中大面积背景干扰存在和检测阈值选取困难这一问题,提出了新型背景抑制结合自适应阈值分割的高光谱异常检测算法。主要内容包括以下几个方面:首先,在实际应用中,高光谱图像快速异常检测尤为重要,传统基于核的RX方法存在计算量大,算法效率低的问题。针对这一现象,本文提出了采用核递归方法的快速异常检测算法。区别传统核方法,本文提出的算法选取待检测像元之前所有像元作为背景信息,只需存储当前检测像元与前一时刻的核矩阵,无需检测区域图像的全部光谱信息,大大减少算子存储空间,并可以实现边传输边处理;通过推导核矩阵的因果递推关系建立核矩阵的更新方程,使算子无需重复计算映射高维特征空间的核矩阵,缩短算法的处理时间,提高检测效率。仿真结果显示,该方法在保证检测结果准确性的同时大大缩短了处理时间,具有较强的实用性。其次,针对现有核RX异常检测算法存在较大面积背景干扰这一现象,本文提出一种结合形态学背景抑制的异常检测方法,该方法通过形态学滤波提取大面积背景杂波干扰并对其进行抑制,滤除背景干扰,提高异常检测的能力。实验结果显示,该方法具有良好的对大面积背景干扰抑制和异常目标保持的能力,显著改进了现有的核RX算法用于高光谱异常检测的性能,提高了异常小目标检测的能力。最后,由于在实际应用处理中阈值的获取非常困难,且对于仅存在于局部范围或能量较弱的异常目标,全局分割方法将会失效。针对这些问题,提出一种局部自适应阈值分割的异常检测方法。将去除干扰后的检测灰度图分成若干个子图像,采用阈值迭代法分别对各个子图像进行自适应阈值选取,将各个子图像的判决结果遍历整幅图像得到检测结果。实验结果显示,该方法在保证良好检测性能的同时实现最佳阈值的自适应选取,便于实际应用。