[發明專利]一種基于判別森林子空間選擇的高光譜異常探測方法

在審

• 申請號: 201910565596.2
• 申請日: 2019-06-27
• 公開（公告）號: CN110443125A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 杜博;常世楨;張良培
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

本發明提供一種基于判別森林子空間選擇的高光譜異常探測方法，包括以從高光譜圖像中隨機選擇部分像元，構造一棵子空間選擇孤立二叉樹，按此構造孤立判別森林；將高光譜圖像遍歷所構造的孤立判別森林，計算平均路徑長度；計算每個像素的異常分數值，實現探測異常目標。本發明利用孤立判別森林模型以子集合的形式重復學習和估計圖像中背景類和異常類的分布規律，在此基礎上引入軸平行子空間選擇方法，選擇對異常信息判別更加有利的波段，避免因波段冗余和維度過高而造成的異常信息被埋沒的問題，求解影像的異常分數值信息，獲得高光譜圖像異常目標探測的最終結果。

技術領域

本發明屬于計算機圖像處理技術領域，涉及一種高光譜圖像目標異常探測方法，具體涉及一種基于判別森林子空間選擇的高光譜異常目標探測方法。

背景技術

高光譜遙感影像將傳統的二維成像遙感技術和光譜技術結合在一起，具有光譜分辨率高、圖譜合一的特點。影像上的每個像元擁有數十乃至成百上千個波段的光譜信息，可以提供用于區分不同物質的診斷性光譜特征信息，因此，高光譜遙感圖像具備區分不同物質之間細微光譜差異的能力。高光譜遙感影像的這一特點使其能夠有效地利用地物精細光譜特征進行地物識別、定位，能夠很好地解決目標探測任務中目標地物和背景地物分離的關鍵問題。在探測過程中，異常探測技術不需要目標和背景地物的先驗光譜信息這一特點使其具有重要的研究和應用價值。近年來，高光譜遙感影像異常目標探測技術在很多領域中得到成功應用，如礦物勘測、邊境監察、搜索營救等，成為高光譜遙感影像處理與應用的一個研究熱點。

目前國內外學者對高光譜遙感影像異常目標探測技術做了很多研究，主要針對影像數學統計分布規律，通過背景建模，對異常目標進行突出。其中，RX異方法是異常目標探測技術中經典的基于馬氏距離統計的探測器，已被廣泛應用于多光譜和高光譜遙感影像；CBAD方法通過聚類，將影像中的類別信息考慮到探測統計中；BACON方法運用迭代統計方法使異常目標探測器具有更強的魯棒性，Subspace-RX將子空間分析技術引入到高光譜異常目標探測中，在子空間中進行探測統計實現對背景的抑制。

但這些基于統計分布建模的異常目標探測方法在區分背景和異常地物類型中仍存在不足，因此，本領域迫切需要一種打破模型限制，充分估計和學習高光譜圖像中背景信息的探測方法。

發明內容

為了解決上述技術問題，本發明提供了一種非建模的異常探測方法，該方法通過重復集合學習，在沒有任何先驗信息的情況下充分估計背景的基于判別森林子空間選擇的高光譜異常探測方法。

本發明所采用的技術方案是一種基于判別森林子空間選擇的高光譜異常探測方法，包括以下步驟：

步驟1，從高光譜圖像中隨機選擇部分像元，構造一棵子空間選擇孤立二叉樹；

步驟2，返回執行步驟1，直到達到預設的數目，實現構造孤立判別森林；

步驟3，將高光譜圖像遍歷所構造的孤立判別森林，計算平均路徑長度；

步驟4，基于平均路徑長度計算每個像素的異常分數值，實現探測異常目標。

而且，步驟1中所述構造子空間選擇孤立二叉樹，實現過程包括以下子步驟，

步驟1.1，從高光譜圖像中隨機選擇500個像元，放入樹的根節點；

步驟1.2，使用軸平行子空間選擇算法對當前節點數據進行特征選擇；

步驟1.3，在子空間中隨機指定一個維度，隨機產生一個切割點p，這個切割值產生于當前節點數據中指定維度上的最大值和最小值之間；

步驟1.4，以切割點p為基準，將當前節點劃分為2個部分，把在指定維度的值小于等于p的數據放在當前節點的左孩子，大于p的數據放在右孩子；

步驟1.5，在孩子節點中遞歸步驟1.2、1.3和1.4，直到孩子節點中只有一個數據。