[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

说明书

本申请公开了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，该方法包括：获取原始高光谱图像的采样图像；根据采样图像，确定背景图像；基于原始高光谱图像的每一个像元，在背景图像对应位置像元的周围构建背景字典；基于背景字典，确定原始高光谱图像的每一个像元的重构像元；确定重构像元与原始高光谱图像对应像元的残差，根据残差与预设阈值判定像元类别，得到检测结果。该方案的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可以有效检测出高光谱图像中的异常点目标，并且可以更高的抑制背景信息。

技术领域

本申请一般涉及图像检测技术领域，具体涉及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。

背景技术

高光谱图像包含地面目标数百个波段内丰富的光谱信息，利用高光谱图像所含有的丰富的光谱信息进行异常检测，可以发现可见光波段无法识别的目标，但是高光谱数据的光谱分辨率很高，相邻波段间的数据相关性很强，数据量大。

但是，传统的目标检测方法并不适用于高光谱图像的异常检测。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供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。

本申请提供了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，该方法包括：

获取原始高光谱图像的采样图像；

根据采样图像，确定背景图像；

基于原始高光谱图像的每一个像元，在背景图像对应位置像元的周围构建背景字典；

基于背景字典，确定原始高光谱图像的每一个像元的重构像元；

确定重构像元与原始高光谱图像对应像元的残差，根据残差与预设阈值判定像元类别，得到检测结果。

在其中一个实施例中，根据采样图像，确定背景图像，包括：

采用低维流形方法重构每个采样图像的背景部分；

确定所有背景部分的平均值；

将平均值作为背景图像。

在其中一个实施例中，采用低维流形方法重构每个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其中，为的空间采样，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作为采样图像的背景部分。