[发明专利]一种基于带约束稀疏表示的高光谱图像异常检测方法

说明书

本发明属于图像处理领域，涉及一种基于带约束稀疏表示的高光谱图像异常检测方法，包括以下步骤：(S1)将高光谱图像线性规范化；(S2)对于每一个测试像元，根据双窗模型提取局部背景字典；(S3)根据局部背景字典，求解带约束稀疏表示模型，得到模型最优解一；(S4)根据模型最优解一，将所有异常原子从局部背景字典中删除，得到新的背景字典；(S5)根据新的背景字典，求解带约束稀疏表示模型，得到模型最优解二；(S6)根据模型最优解二，计算像元的检测值；(S7)遍历整个高光谱图像，对高光谱图像的每一个像元计算检测值，输出这些检测值构成的图像，即异常检测图像。本发明不需要背景统计信息和设置稀疏度，提高了重构精度。

技术领域

本发明属于图像处理领域，涉及一种基于带约束稀疏表示的高光谱图像异常检测方法。

背景技术

高光谱图像目标探测是高光谱遥感应用的重要方向之一，涵盖了环境检测、城市调查、矿物填图和军事侦察等诸多领域。异常检测不需要任何目标光谱信息，具有更为广阔的应用前景。在异常检测中，异常点往往通过测试像元光谱和它局部背景光谱的显著差异来进行检测。

经典的异常检测算法有Reed-Xiaoli(RX)检测器、核RX检测器、支持向量数据描述(support vector data description，SVDD)检测器等等。然而，当局部背景中含有目标信号的时候，传统的异常检测算法性能急剧下降，其中以RX算法最为显著。近年来，稀疏表示(sparse representation，SR)已经广泛应用到高光谱图像目标探测。这些稀疏表示算法的一个主要优势就是它们不需要对背景的统计分布做出明确假设。但它们通常都是在设置一定稀疏度的条件下进行求解的，而这个稀疏度很难解释且不能事先获知。并且，稀疏度和重构误差之间脆弱的平衡关系一直没有得到有效解决。和稀疏表示不同的是，联合表示(collaborative representation，CR)异常检测器利用背景字典中所有的原子对测试像元进行表示。

发明内容

针对现有技术不足，为解决上述局部背景受目标信号污染的问题，以及稀疏表示中稀疏度难以确定的问题，本发明所采用的具体技术方案如下。

一种基于带约束稀疏表示的高光谱图像异常检测方法，包括以下步骤：

(S1)将高光谱图像线性规范化；

(S2)对于每一个测试像元，根据双窗模型提取局部背景字典；

(S3)根据局部背景字典，求解带约束稀疏表示模型，得到模型最优解一；

(S4)根据模型最优解一，将所有异常原子从局部背景字典中删除，得到新的背景字典；

(S5)根据新的背景字典，求解带约束稀疏表示模型，得到模型最优解二；

(S6)根据所述步骤(S5)中的模型最优解二，计算像元的检测值；

(S7)遍历整个高光谱图像，对高光谱图像的每一个像元计算检测值，输出这些检测值构成的图像，即异常检测图像。

优选地，所述步骤(S1)的具体过程为：根据下式将高光谱图像的每个像元线性规范化到0～1之间：

其中，H_l,j,k表示高光谱图像在第l行、第j列、第k个波段的灰度值，表示高光谱图像在线性规划化后第l行、第j列、第k个波段的灰度值，min(H)表示高光谱图像中所有像元灰度值的最小值，max(H)表示高光谱图像中所有像元灰度值的最大值。

优选地，所述步骤(S2)中提取局部背景字典的具体过程为：