[发明专利]一种基于低维流形建模和协同表示的高光谱图像异常检测方法

权利要求书

1.一种基于低维流形建模和协同表示的高光谱图像异常检测方法，其特征在于，所述方法包括：

获取原始高光谱图像的采样图像；

根据所述采样图像，确定背景图像；

基于所述原始高光谱图像的每一个像元，在所述背景图像对应位置像元的周围构建背景字典；

基于所述背景字典，确定所述原始高光谱图像的每一个像元的重构像元；

确定所述重构像元与所述原始高光谱图像对应像元的残差，根据所述残差与预设阈值判定像元类别，得到检测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述采样图像，确定背景图像，包括：

采用低维流形方法重构每个所述采样图像的背景部分；

确定所有所述背景部分的平均值；

将所述平均值作为所述背景图像。

3.根据权利要求2所述的方法，其特征在于，所述采用低维流形方法重构每个所述采样图像的背景部分，包括：

选取原始高光谱图像Y作为初始化X_l⁽⁰⁾；

根据及从X_l^(k)中抽取三维块集合PX_l^(k)，计算空间域中的相似性矩阵；其中，表征三维块之间的相似度，P表示三维块集合映射算子，k表示第k次迭代，ω(q,s)为高斯权重函数，式中σ(q)是正则化因子，表示三维块q和它的第z个最近邻之间的距离；

根据确定新的相似性矩阵；其中，d_s＝d₁×d₂，d₁和d₂代表三维块的空间维度；

根据对于每一个光谱波段t，使用广义最小残差法更新(X_l^t)^(k+1)；其中，为的空间采样，P_i^tX(q)为三维块P_q(X)中的第(i,t)个元素，为采样率的倒数，μ＝1/r-1，λ₁为低维流形建模背景重建的正则化参数；

将X_l＝X_l^(k+1)，X_l^(k)＝X_l^(k+1)，返回所述计算空间域中的相似性矩阵，直至X_l收敛，输出X_l；

将X_l作为所述采样图像的背景部分。

4.根据权利要求1所述的方法，其特征在于，所述在所述背景图像对应位置像元的周围构建背景字典，包括：

在背景图像对应位置像元的周围，使用双窗口策略选取邻域像元构成背景字典。

5.根据权利要求4所述的方法，其特征在于，所述在背景图像对应位置像元的周围，使用双窗口策略选取邻域像元构成背景字典，包括：

以所述背景图像中的待测像元为中心，构建一个嵌套的内窗和外窗；

将所述内窗和所述外窗之间的像元作为邻域像元集；

将所述领域像元集中所述像元按列排列组成矩阵，所述矩阵为所述原始高光谱图像中波段数×像元个数；

将所述矩阵确定为所述背景字典。

6.根据权利要求1所述的方法，其特征在于，所述基于所述背景字典，确定所述原始高光谱图像的每一个像元的重构像元，包括：

基于所述背景字典，根据协同表示原理，确定所述原始高光谱图像的每一个像元的重构像元。

7.根据权利要求6所述的方法，其特征在于，所述基于所述背景字典，根据协同表示原理，确定所述原始高光谱图像的每一个像元的重构像元，包括：

根据求解满足条件的最优解其中，D_i为背景字典，α为背景字典D_i对应的权重向量，λ₂为协同表示检测正则化参数，I为单位矩阵；

根据所述最优解及所述背景字典，确定所述重构像元。