[發(fā)明專利]一種基于多特征和孤立樹的高光譜異常檢測方法

有效

• 申請?zhí)枺?/td>: 201911148622.8
• 申請日: 2019-11-21
• 公開（公告）號: CN110929643B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計）人: 王榕;何芳;聶飛平;王震;李學(xué)龍
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06K9/62
• 代理公司: 西安凱多思知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61290
• 代理人: 王鮮凱

1.一種基于多特征和孤立樹的高光譜異常檢測方法，其特征在于步驟如下：

步驟1：將三維高光譜影像數(shù)據(jù)變換為二維光譜特征數(shù)據(jù)其中，d₁表示波段個數(shù)，h表示每個波段影像中每一列的像元個數(shù)，w表示每個波段影像中每一行的像元個數(shù)，n表示每個波段影像中總的像元個數(shù)，n＝h×w；

步驟2：對光譜特征數(shù)據(jù)X_spe進行主成分分析，得到對應(yīng)的m個n維主成分向量，將每個主成分向量展開為一幅h×w的主成分圖像；利用Gabor濾波器對所有主成分圖像進行濾波，得到Gabor特征數(shù)據(jù)利用形態(tài)學(xué)濾波器對所有主成分圖像進行濾波，產(chǎn)生形態(tài)學(xué)剖面的結(jié)構(gòu)成分，再對結(jié)構(gòu)成分進行開閉操作，得到EMP特征數(shù)據(jù)利用形態(tài)學(xué)濾波器對所有主成分圖像進行濾波，產(chǎn)生形態(tài)學(xué)剖面的結(jié)構(gòu)成分，再利用形態(tài)學(xué)屬性濾波器對結(jié)構(gòu)成分進行濾波，得到EMAP特征數(shù)據(jù)其中，d₂表示Gabor特征數(shù)據(jù)的特征個數(shù)，其值等于主成分個數(shù)m、Gabor濾波器的方向和尺度三者的乘積，d₃表示EMP特征數(shù)據(jù)的特征個數(shù)，其值等于主成分個數(shù)m和形態(tài)學(xué)剖面的結(jié)構(gòu)成分的個數(shù)的乘積，d₄表示EMAP特征數(shù)據(jù)的特征個數(shù)，其值等于主成分個數(shù)m、形態(tài)學(xué)剖面的結(jié)構(gòu)成分的個數(shù)和形態(tài)學(xué)屬性濾波器的個數(shù)的乘積；

步驟3：分別對光譜特征數(shù)據(jù)、Gabor特征數(shù)據(jù)、EMP特征數(shù)據(jù)和EMAP特征數(shù)據(jù)按照以下過程構(gòu)建得到各自對應(yīng)的孤立樹集合：

步驟3.1：從特征數(shù)據(jù)的n個像元點中隨機選取ψ個像元點，構(gòu)成孤立樹的根節(jié)點，根節(jié)點對應(yīng)數(shù)據(jù)集記為X＝{x₁,x₂,…,x_ψ}，x_i表示第i個像元點對應(yīng)的d維向量，d為特征數(shù)據(jù)的特征個數(shù)，1≤ψ≤n；

步驟3.2：對于根節(jié)點數(shù)據(jù)集，從d個特征波段中隨機選定一個波段i的像元值構(gòu)成樣本向量x_ψ＝{x_i1,x_i2,…,x_iψ}，從向量x_ψ中隨機選擇一個元素x_ip作為劃分值，p∈[1,ψ]，然后，將根節(jié)點數(shù)據(jù)集X按照以下方式劃分為兩個樣本數(shù)據(jù)集X_l和X_r：

步驟3.3：對樣本數(shù)據(jù)集X_l和X_r分別按照步驟3.2的方式進行數(shù)據(jù)集劃分，每一個數(shù)據(jù)集劃分得到兩個子數(shù)據(jù)集，重復(fù)此步驟，直到樣本不可劃分或者達到最大路徑長度，得到特征數(shù)據(jù)的一顆孤立樹，孤立樹包括每個節(jié)點選取的波段和對應(yīng)的劃分值；所述的路徑長度是指從根節(jié)點到當前節(jié)點遍歷過的邊的個數(shù)；所述的最大路徑長度設(shè)置為ceil(log₂(ψ))，ceil為取整數(shù)操作；

步驟3.4：按照步驟3.1至步驟3.3進行t次樹構(gòu)建，得到的t棵孤立樹即構(gòu)成該特征數(shù)據(jù)對應(yīng)的孤立樹集合，t≥1；

步驟4：對于高光譜三維影像數(shù)據(jù)中的任一像元A，設(shè)其步驟2得到的對應(yīng)的光譜特征為Gabor特征為EMP特征為EMAP特征為將像元A的各種特征分別在步驟3得到的該特征數(shù)據(jù)集對應(yīng)的孤立樹集合中進行樹遍歷，并按下式計算得到該特征在其特征數(shù)據(jù)集對應(yīng)的孤立樹集合中的平均路徑長度E_k：

其中，k＝1時表示光譜特征，k＝2時表示Gabor特征，k＝3時表示EMP特征，k＝4時表示EMAP特征，t_k表示k特征數(shù)據(jù)集對應(yīng)的孤立樹集合中樹的個數(shù)，i表示樹的序號，h_i表示像元A在孤立樹集合中第i棵樹遍歷得到的路徑長度與樹平均路徑長度c(ψ)的和，c(ψ)＝2H(ψ-1)-(2(ψ-1)/ψ)，H(ψ-1)＝ln(ψ-1)+0.5772156649；

然后，按照下式計算得到像元A的異常分數(shù)值s：

步驟5：對高光譜三維影像數(shù)據(jù)中的所有像元都按照步驟4的方法計算得到其異常分數(shù)值，然后，對所有像元的異常分數(shù)值進行歸一化處理；歸一化后的異常分數(shù)值大于閾值K的所有像元，即判定為異常點，剩余像元即判定為背景點，完成高光譜影像異常檢測；所述的閾值K的取值范圍為[0,1]。