[发明专利]一种基于空-谱联合显著性特征表达的高光谱异常检测方法

说明书

本发明涉及一种基于高光谱图像的异常检测方法，本发明基于空‑谱联合显著性特征表达的方法对高光谱图像进行异常检测。具体方法包括：首先通过联合双窗结构与改进光谱距离计算的光谱特征提取方法完成光谱特征的提取，同时通过基于数据降维与曲率滤波的空间特征提取方法完成空间特征的提取，其次联合两种不同属性特征获得空‑谱初始特征。最后通过基于前后文感知的高光谱显著性检测方法进行异常检测，从而获得异常检测结果。

技术领域

本发明属于遥感图像处理技术邻域，具体涉及基于一种空-谱联合显著性特征表达的高光谱异常检测方法。

背景技术

高光谱成像具有空间分辨率较高和光谱范围广的优点，光谱探测范围覆盖了从可见光到红外光波段，拥有数量多、波谱范围广的近似连续光谱信息特征，同时还包含着较为详细的地物空间信息，因此可以充分利用其空间信息和光谱信息完成检测、分析的功能。同时，随着光学成像技术的不断发展，高光谱成像光谱仪的光谱分辨能力和空间分辨能力也在不断的提高，高光谱遥感的应用领域也在不断扩展。

高光谱图像中有着大量不同属性的特征信息，其中应用最为广泛的包括光谱特征和空间特征。当使用光谱特征时，虽然光谱信息可以反映目标的真实属性，但是“同物异谱”、“同谱异物”的现象会导致检测的误差；当通过高光谱图像地物空间分布信息进行检测时，会不可避免的残留背景、噪声等其它成分，此外由于物体形态、分布无法完全反映物体的真实属性，伪装目标的存在会带来虚警现象。

发明内容

为了克服上述现有技术的缺点，本发明的主要目的在于提供一种基于空-谱联合显著性特征表达的高光谱异常检测方法，以期解决基于单特征的异常检测算法在高光谱图像地物空间分布信息检测中存在的误差大、准确度低等问题。

为了实现上述目的，本发明采用的技术方案是：

一种基于空-谱联合显著性特征表达的高光谱图像的异常检测方法，包括如下步骤：

步骤1，对原始高光谱图像采用双窗口结构进行背景估算，计算局部背景和待测像素之间的光谱距离；

步骤2，通过滑动双窗口结构计算每一个像素对应光谱维度与周围背景之间的相对光谱差异，得到初始光谱特征图；

步骤3，通过主成分分析法，去除原始高光谱图像中的冗余信息得到多个波段的降维后图像，然后对多个波段的降维后图像进行加权融合，得到融合的降维后图像；

步骤4，对融合的降维后图像，采用全变分曲率滤波进行能量最小化计算，获得高光谱初始空间特征图，即二维地物分布特征图；

步骤5，将步骤2得到的初始光谱特征图与步骤4得到的高光谱初始空间特征图进行融合，获得高光谱空-谱初始联合特征图；

步骤6，采用基于前后文感知的高光谱显著性异常特征检测方法对步骤5得到的高光谱空-谱初始联合特征图中的目标进行检测，得到检测结果。

本发明采用联合双窗结构与改进光谱距离计算的光谱特征提取方法与基于数据降维与曲率滤波的空间特征提取方法，分别提取获得光谱特征和空间特征，然后对光谱特征与空间特征进行点乘融合获得空-谱联合初始特征。最后考虑到异常目标的显著性特性，研究并实现了高光谱显著性特征检测算法，并在空-谱联合初始特征基础上完成后续检测。通过与其它经典异常检测算法在不同数据集上的对比仿真实验，仿真结果表明本发明在不同数据集上综合表现要优于对比算法，表明了本发明具有良好的异常检测能力。

附图说明

图1为本发明流程图。

图2为双窗口结构示意图。

图3为高光谱图像预处理示意图。

图4为联合特征提取流程图。

图5为本发明实例图。其中(a)为原始图像伪彩色图，(b)为异常分布图。