[发明专利]一种基于多行波段处理的高光谱图像实时局部异常检测方法

说明书

本发明公开了一种基于多行波段处理的高光谱图像实时局部异常检测方法，包括：读取高光谱图像数据，初始化由滤光片数量确定的波段数量n，初始化基于波段抽取的行数j，并初始化不同波段之间的间隔数k；根据波段数量n、行数j和间隔数k值，将数据转换成需要实时检测处理的数据；建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程；利用分块矩阵求逆公式更新相关矩阵R(n)的逆矩阵R(n)^‑1；利用多行波段相关矩阵的实时局部异常RX算子对需要实时检测处理的高光谱数据进行检测，最后得到高光谱图像实时局部异常检测的结果。本发明实现了对高光谱图像的局部异常检测，避免了高维数据存储和重复计算，并具有较好的实时局部异常检测效果。

技术领域

本发明涉及高光谱图像检测领域，尤其涉及一种基于多行波段处理的高光谱图像实时局部异常检测方法。

背景技术

异常检测是高光谱图像处理的重要应用领域。根据算子统计信息的不同，异常检测算法可以分为全局异常检测和局部异常检测。全局异常检测算法采用的是整个高光谱图像的背景估计统计量，在大多数情况下，可以很好的进行异常检测。但当异常目标微弱或仅仅在图像局部范围内而淹没于全局背景时，则无法应用全局异常检测算法进行检测。局部异常检测是指利用局部背景统计信息构造检测算子，进而实现高光谱异常检测，其中部分算法可以达到快速异常检测的效果。

在实际的高光谱检测应用中，随着高光谱图像的空间和光谱分辨率不断提升，增加信息的同时，巨大的数据量导致算法实现异常检测效率较低，并且许多异常目标停留时间非常短，突然出现后迅速消失，若数据处理严重滞后，会降低高光谱数据的应用优势和效率，即便是快速异常检测方法，依然在处理时间上依然无法到实时需求。可以看出，在保证异常检测算法检测精度的同时，提高高光谱异常检测算法时效性也很有必要。

光谱成像技术的发展推进了高光谱图像实时处理的进步，目前大多数高光谱实时检测算法都是在逐像元，逐行或逐波段的基础上完成的，没有考虑在实际中对实时处理的需求。例如，在实际工业化流水操作时，为了降低获得高光谱信息的设备成本，会采用滤光片的方式，实现对多行多个波段数据的同时获取，而现有的高光谱实时检测方法均无法对这种获取数据方式的进行处理，因此实现基于工业化流水检测处理的高光谱实时局部异常检测算法更具有实际价值。

发明内容

根据现有技术存在的问题，本发明公开了一种基于多行波段处理的高光谱图像实时局部异常检测方法，具体包括如下步骤：

S1:读取高光谱图像数据，初始化由滤光片数量确定的波段数量n，初始化基于波段抽取的行数j，并初始化不同波段之间的间隔数k；

S2:根据上述n，j和k值，将数据转换成需要实时检测处理的数据；

S3:建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程，

其中，表示上一时刻状态的估计值，表示上一时刻的观测值，U表示当前状态的观测值。根据当前状态的观测值U，上一时刻的估计值和上一时刻的观测值更新当前状态的估计值；

S4:利用分块矩阵求逆公式更新相关矩阵R(n)的逆矩阵R(n)^-1；

S5:利用多行波段相关矩阵的实时局部异常RX算子(RTMRB-CR-RXD)对需要实时检测处理的高光谱数据进行检测，最后得到高光谱图像实时局部异常检测的结果。

进一步地，所述建立相关矩阵R(n)的状态方程，的计算公式为：

其中是需要实时处理的高光谱数据的第m行的第l个波段的所有像元数据，r_l^m是需要实时处理的高光谱数据的第m行某一个特定像元的第l个波段的数据。