[发明专利]一种外窗可变的近景高光谱图像局部异常检测方法

权利要求书

1.一种外窗可变的近景高光谱图像局部异常检测方法，其特征在于，包括下述步骤：

第一步：构建局部RX异常检测算子；

第二步：进行数据降维；

第三步：建立外窗可变的局部检测算法进行待检测点异常值的检测。

2.如权利要求1所述的外窗可变的近景高光谱图像局部异常检测方法，其特征在于，包括如下步骤：

步骤一)构建局部RX算法，设H₀表示目标存在，H₁表示目标不存在，二元假设表示如下

H0:y=nH1:y=αs+n---(1)]]>

其中，y表示高光谱图像像元，n表示背景噪声向量，α＞0，α表示一个加权系数，s表示目标光谱向量；定义Y＝[y₁,y₂,…,y_N]为包含N个像元的L×N的背景矩阵，第i个像元表示为y_i＝[y_i(1),y_i(2),…,y_i(L)]，L表示高光谱图像数据的波段数；

背景和目标分布具有相同的协方差和不同的均值，分别服从多元正态分布y|H₀～N(μ,K)和y|H₁～N(μ+s,K)，其中，μ为背景Y的均值，K为协方差矩阵；则有：

μ=1NΣi=1Nyi---(2)]]>

K=1NΣi=1N(yi-μ)(yi-μ)T---(3)]]>

其中T代表矩阵转置；

步骤二)根据上述公式，背景和目标的概率密度函数为：

p(y|H0)=1(2π)L/2|K|1/2e-12(y-μ)TK-1(y-μ)p(y|H1)=1(2π)L/2|K|1/2e-12(y-μ-s)T(y-μ-s)---(4)]]>

其中，p(y|H₀)为条件概率密度，表示在H₀成立的条件下y事件发生的概率密度，p(y|H₁)表示在H₁成立的条件下y事件发生的概率密度；e为自然函数，π为圆周率；L表示表示高光谱图像数据的波段数，K表示协方差矩阵，|K|代表K的行列式；

步骤三)根据广义似然比检测得到RX算子：

RX(y)=(y-μ)T(NN+1K-1+1N+1(y-μ)(y-μ)T)(y-μ)---(5)]]>

其中，RX(y)表示RX算子；

步骤四)当像元数N趋于无穷时，进一步简化为；

设阈值为η，如果RX(y_i)≥η，则待检测位置存在目标，否则不存在目标。