[发明专利]一种基于多级张量先验约束的高光谱异常检测方法

说明书

本发明公开了一种基于多级张量先验约束的高光谱异常检测方法，首先，使用张量分解将原始高光谱图像分割为背景张量和异常目标张量；然后，分别将背景张量的低秩先验和异常目标张量的稀疏先验建模为截断核范数TNN正则项和l_2,1范数正则项，并且，创建l₀‑l₁HTV正则项，用于表征背景张量的空间分段平滑先验度；最终，将所有正则项融合在一起，建立一种新的异常检测模型函数，使用ADMM算法求解，得到异常目标检测结果。本发明能提高异常检测精度，并降低相应的虚警率。

技术领域

本发明涉及高光谱数据应用技术领域，尤其是一种基于多级张量先验约束的高光谱异常检测方法。

背景技术

高光谱异常目标检测技术是高光谱数据应用领域的研究热点，它的目的是在没有任何目标先验信息的条件下精确检测出高光谱图像中的异常目标。为了实现这个目的，很多异常检测方法被提出，包括Reed-Xiaoli(RX)检测方法，基于协同表示的检测方法和基于低秩稀疏特性的检测方法等。其中，基于低秩稀疏特性的检测方法可以提取全局的背景低秩特征的异常目标稀疏特征，收到广泛的关注和研究。然而，由于只利用了背景的地址特性和目标的稀疏特性而忽略了高光谱图像自身的结构特征，所以高光谱异常目标检测精度有待提高。

发明内容

本发明所要解决的技术问题在于，提供一种基于多级张量先验约束的高光谱异常检测方法，能够提高异常检测精度，并降低相应的虚警率。

为解决上述技术问题，本发明提供一种基于多级张量先验约束的高光谱异常检测方法，包括如下步骤：

步骤1、输入原始高光谱图像，将其分解为背景张量和异常张量，再初始化背景张量，异常目标张量

步骤2、将背景张量沿光谱维展开以施加正则化表征分段平滑先验；

步骤3、将背景张量沿空间维展开以施加正则化表征低秩先验；

步骤4、将异常张量沿光谱维展开以施加正则化表征稀疏先验；

步骤5、根据步骤2、步骤3和步骤4的先验表征，利用统一框架构建一个新的拉格朗日函数；

步骤6、使用ADMM算法对步骤5中函数进行优化；

步骤7、计算异常目标张量S^*＝L_spe(S)，通过得到异常检测图，其中L_spe表示沿光谱维展开的矩阵反演为张量，M表示共有M个光谱波段，S^*(i,j,l)表示异常张量的第i行第j列第l个波段的元素。

优选的，步骤2中，将背景张量沿光谱维展开以施加正则化表征分段平滑先验具体为：将背景张量沿光谱维展开为二维矩阵，创建l₀-l₁混合全变分正则项为其中x和y为高光谱图像的两个空间维度，D表示周期边界的离散差分算子，ξ表示具有二元元素0和1的对角矩阵，ζ表示对角矩阵的索引，D_x表示水平方向的离散差分算子，D_y表示垂直方向的离散差分算子，D_d是一维有限差分算子，函数旨在加强图像边缘。

优选的，步骤3中，将背景张量沿空间维展开以施加正则化表征低秩先验具体为：给出两个矩阵和，满足PP^T＝QQ^T＝I_r×r，为背景矩阵X创建截断核范数正则项为给出，其中r表示最大的奇异值的个数，表示X的核范数，ω_m表示X的第m个最大奇异值，Tr(·)表示矩阵的迹。

优选的，步骤4中，将异常张量沿光谱维展开以施加正则化表征稀疏先验具体为：将异常目标张量沿着光谱维展开为矩阵S_spe，创建S_spe的l_2,1范数正则项为其中d表示光谱维长度，表示第i行第j列的S的数值。