一種sam加權kest高光譜異常檢測算法的製作方法
2023-05-19 20:27:31 1
專利名稱：一種sam加權kest高光譜異常檢測算法的製作方法
技術領域：
本發明屬於高光譜圖像處理領域，具體涉及ー種高光譜圖像目標檢測中的異常檢測新算法研究。
背景技術：
在高光譜圖像目標檢測中，由於實際應用需求，國內外提出了許多無需目標先驗光譜知識的異常檢測算法。這些算法充分利用異常點與其鄰域點的光譜特性不同，計算局部區域的統計特性以實現目標檢測。目前常用的異常檢測算法主要包括RX異常檢測法和子空間投影法(包括主成分分析(PCA)、特徵空間分離變換(EST)等)。RX算法根據背景樣本點的光譜向量均值和協方差矩陣，計算檢測點光譜向量和背景樣本的馬氏距離，實現異常點檢測；PCA算法計算樣本數據協方差矩陣的特徵向量，並將檢測點的光譜向量在較大特徵值的主成分量上進行投影分析，實現異常點檢測；EST算法計算目標和背景的差異相關矩陣(DCOR)的特徵向量，並將檢測點的光譜向量在選定的特徵分量上進行投影分析，實現異常檢測。在此基礎上又分別提出了基於核的RX算法(KRX)、核PCA算法(KPCA)、核EST算法(KEST)，這些算法將高光譜數據映射到高維特徵空間後，利用核函數的性質在高維空間中進行異常點的檢測，較好地利用了高光譜圖像波段間的非線性統計特性。RX算法要求數據服從高斯分布，該條件對真實場景很難滿足，因此子空間投影法更加適應於真實應用情況。而比較PCA算法，EST法計算特徵分量時兼顧了目標和背景的光譜差異，EST比PCA具有更好的降維和分類效果。對應的KEST法能夠更有效的提取和利用數據的非線性特徵。但EST法也存在一定的缺陷，即若實際背景數據為病態分布、背景數據中異常點數目或目標數據中背景點數目較多吋，DCOR矩陣不能完全描述目標和背景數據的差異。因此本專利提出了一種光譜角匹配(SAM)加權KEST高光譜異常檢測算法(SKEST)。(一)EST 算法
採用雙矩形窗作為局域檢測窗ロ，如圖I。該方法以檢測點為中心，目標分布於內窗，背景分布於外窗，對內外窗中的各像元光譜向量分別進行統計分析，比較兩者差異實現異常檢測。EST算法以檢測點為中心，計算目標和背景數據的DCOR矩陣。設高光譜數據波段數為 P，定義矩陣
—%丨;]表不目標數據，樣本ち為維光譜向量
權利要求
1.ー種SAM加權KEST高光譜異常檢測算法，其特徵在於在基於核的特徵空間分離變換KEST算法基礎上，對高維特徵空間DCOR矩陣中的每個樣本引入權重因子，從而抑制檢測窗口中的異常數據，具體實現步驟如下 步驟(I)，輸入高光譜圖像數據； 步驟(2)，根據圖像中異常目標大小設置雙矩形窗尺寸； 步驟(3)，逐行掃描各個像素點，統計其在雙矩形窗鄰域內的目標光譜矩陣I和背景光譜矩陣;T，以及目標樣本數目託、背景樣本數目; 其中高光譜數據波段數為#，定義Px 乂矩陣Z=O1I3 —化.]表示目標數據，樣本簋i為P維光譜向量*—，i=XX^Nt, Nt為目標樣本個數；PxN6矩陣^ =Efi J2-YsiI 表示背景數據，樣本Ti 為 P 維光譜向 Myj- =IjjiFjI, J=Xl^N6，為背景樣本個數； 步驟(4)，根據各像素點的I、了，由式I計算其SKEST值；循環計算高光譜圖像中所有像素點的SKEST值，得到SKEST圖像； = ^(Z,r) ^(Z,^))rw^w^r(^(Z,r)-^(Z1Zw))I
其中^3BT即為SKEST值，j■為檢測點光譜向量，Z=JiUT，核函數 Il夏-常量參數； [れI2 ^ X^(Zyj)ZiW3
I氣' …》為各像素光譜向量權重因子電み) =..............................................................................................................I—,—π—i...................................................................................................j =υ #( Σ Σ U,K 一4
TTZ^k(JjJm)'=-- 』「巧 抑パプ)伽Σ Σ U "IeZZ _ 為Kssr=や的特徵向量
2.根據權利要求I所述的SAM加權KEST高光譜異常檢測算法，其特徵在於所述步驟4中對高維特徵空間DCOR矩陣中的每個樣本計算其權重因子，各樣本權重因子即該樣本光譜向量與檢測窗口數據中心向量的夾角。
全文摘要
本發明公開了一種SAM加權KEST高光譜異常檢測算法(SKEST)。首先，推導SKEST算法；其次採用雙矩形窗口，對高光譜圖像中每個像元計算其SKEST值，進行閾值分割，檢測出異常點。SKEST算法在基於核的特徵空間分離變換算法(KEST)基礎上，採用光譜角匹配(SAM)測度對高維特徵空間檢測點鄰域差異相關矩陣(DCOR)中每個樣本引入權重因子，各樣本權重因子取決於該樣本光譜向量與檢測窗口數據中心向量夾角。從而抑制檢測窗口中的異常數據，突出主成分數據的貢獻，使得DCOR矩陣能夠更好地描述目標、背景數據分布差異；同時SAM對光譜能量是魯棒的，結合徑向基核函數，SKEST算法既考慮了信號的光譜能量差異，也考慮了信號的光譜曲線形狀差異，因而更符合高光譜數據特性。
文檔編號G06T7/00GK102663752SQ20121010403
公開日2012年9月12日 申請日期2012年4月11日 優先權日2012年4月11日
發明者嶽江, 張毅, 徐杭威, 柏連發, 王博, 祁偉, 金左輪, 陳錢, 韓靜, 顧國華 申請人:南京理工大學