[發(fā)明專利]基于結(jié)構(gòu)稀疏表示和內(nèi)部聚類濾波的高光譜異常目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 201710098077.0
• 申請日: 2017-02-23
• 公開（公告）號: CN106919952A
• 公開（公告）日: 2017-07-04
• 發(fā)明（設(shè)計(jì)）人: 張艷寧;李飛;張秀偉;陳妍佳;張磊;魏巍;蔣冬梅
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西北工業(yè)大學(xué)專利中心61204
• 代理人: 王鮮凱

技術(shù)領(lǐng)域

本發(fā)明涉及一種高光譜異常目標(biāo)檢測方法，特別是涉及一種基于結(jié)構(gòu)稀疏表示和內(nèi)部聚類濾波的高光譜異常目標(biāo)檢測方法。

背景技術(shù)

高光譜異常目標(biāo)檢測技術(shù)是一種不需要提供待測目標(biāo)先驗(yàn)光譜信息的前提下，僅利用圖像像元之間的光譜差異性進(jìn)行目標(biāo)檢測的高光譜目標(biāo)檢測技術(shù)，在實(shí)際應(yīng)用中具有較強(qiáng)的實(shí)用性。

相對于整個(gè)高光譜圖像，異常目標(biāo)不僅出現(xiàn)的概率較低，而且所占的比例也較少，傳統(tǒng)的異常目標(biāo)檢測算法一般假設(shè)圖像背景服從高斯分布。在這種假設(shè)下可以利用全局或局部的統(tǒng)計(jì)特性來檢測異常目標(biāo)。然而，在實(shí)際應(yīng)用中由于受到空間分辨率限制，圖像背景具有較高的復(fù)雜性，僅通過假設(shè)背景服從高斯分布來進(jìn)行異常目標(biāo)檢測，不能取得很好的檢測效果。

近年來，基于稀疏表示的高光譜異常目標(biāo)檢測算法受到越來越多的關(guān)注。該類算法假設(shè)圖像中的像元可以通過背景和目標(biāo)的字典線性稀疏表示，在求得稀疏向量后，利用重建誤差的大小提取異常目標(biāo)。在實(shí)際應(yīng)用中具有很好的靈活性和可擴(kuò)展性。文獻(xiàn)“Li J,Zhang H,Zhang L,et al.Hyperspectral anomaly detection by the use of background joint sparse representation[J].Selected Topics in Applied Earth Observations and Remote Sensing,IEEE Journal of,2015,8(6):2523-2533.”公開了一種基于背景聯(lián)合稀疏表示的高光譜異常目標(biāo)檢測方法。該方法首先以全部圖像像元作為字典，通過稀疏表示模型求解稀疏向量，根據(jù)所求的非零稀疏向量位置確定局部背景像元，然后根據(jù)局部背景像元建立局部正交子空間提取異常目標(biāo)。文獻(xiàn)所述方法在選取局部背景像元時(shí)每次都使用了大規(guī)模的全局像元作為字典，給求解稀疏向量帶來較大的計(jì)算負(fù)擔(dān)；在求解稀疏向量時(shí)沒有考慮稀疏向量內(nèi)部的結(jié)構(gòu)稀疏信息，造成求解稀疏向量不準(zhǔn)確；未有效考慮高光譜圖像中像元之間的空間約束，目標(biāo)檢測效率不高。

發(fā)明內(nèi)容

為了克服現(xiàn)有高光譜異常目標(biāo)檢測方法目標(biāo)檢測效率低的不足，本發(fā)明提供一種基于結(jié)構(gòu)稀疏表示和內(nèi)部聚類濾波的高光譜異常目標(biāo)檢測方法。該方法在稀疏表示理論框架下，首先基于局部RX算法選擇初始背景像元后，利用主成分分析字典學(xué)習(xí)法學(xué)習(xí)得到魯棒性的背景字典。稀疏向量求解和圖像重建過程中，引入重加權(quán)拉普拉斯先驗(yàn)，提高稀疏向量求解精度。計(jì)算原始圖像與重建圖像之間的誤差得到稀疏表示誤差。此外，利用內(nèi)部聚類濾波表示高光譜數(shù)據(jù)的空譜特性，通過計(jì)算待測像元與它同類其他像元線性表示結(jié)果的誤差，得到內(nèi)部聚類誤差，最后聯(lián)合稀疏表示誤差與內(nèi)部聚類誤差的線性加權(quán)和實(shí)現(xiàn)異常目標(biāo)的精確提取。在真實(shí)的高光譜衛(wèi)星圖像AVIRIS、HYDICE和仿真的高光譜數(shù)據(jù)集上的試驗(yàn)結(jié)果表明，本發(fā)明獲得的檢測結(jié)果相對于已有的異常目標(biāo)檢測方法在恒虛警率的前提下檢測率提高了10％～15％。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于結(jié)構(gòu)稀疏表示和內(nèi)部聚類濾波的高光譜異常目標(biāo)檢測方法，其特點(diǎn)是包括以下步驟：

步驟一、輸入一幅高光譜圖像，選用局部雙窗RX算法獲取背景像元集合。局部RX算法計(jì)算公式如下：

D_LocalRX(x_i)＝(x_i-μ_local(i))^T(∑_local(i))^-1(x_i-μ_local(i)) (1)

式中，x_i表示第i個(gè)像元，μ_local(i)表示x_i像元所對應(yīng)的局部背景的均值，(∑_local(i))^-1表示x_i像元所對應(yīng)的局部背景的協(xié)方差矩陣的逆矩陣，利用公式(1)遍歷所有高光譜像元后選取閾值進(jìn)行背景分割，小于閾值的對應(yīng)像元為背景像元，得到背景像元矩陣Z_local，大小為n_b×N_Z，n_b表示高光譜數(shù)據(jù)波段個(gè)數(shù)，N_Z表示局部背景像元的個(gè)數(shù)。所述閾值取0.007～0.01；