[發明專利]一種基于多特征和孤立樹的高光譜異常檢測方法

有效

• 申請號: 201911148622.8
• 申請日: 2019-11-21
• 公開（公告）號: CN110929643B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 王榕;何芳;聶飛平;王震;李學龍
• 申請（專利權）人: 西北工業大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06K9/62
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 王鮮凱

本發明提供了一種基于多特征和孤立樹的高光譜異常檢測方法。首先，提取高光譜影像的光譜特征、Gabor特征、EMP特征和EMAP特征；然后，對這四種特征分別建立孤立樹集合，利用孤立樹的特性得到高光譜遙感影像中的異常值，從而實現高光譜影像的異常檢測。本發明較好地挖掘和利用了高光譜影像的多特征信息，能夠進一步提高高光譜影像異常檢測性能。

技術領域

本發明屬高光譜遙感影像處理和機器學習技術領域，具體涉及一種基于多特征和孤立樹的高光譜異常檢測方法。

背景技術

高光譜遙感影像是利用成像和光譜技術獲取的，它最主要的特點是圖譜合一，在獲取地面圖像空間信息的同時，得到每個地物的連續光譜信息，具有豐富的光譜和空間信息。高光譜遙感影像異常檢測是一種無監督目標像元檢測方法，不需要任何目標像元的先驗信息，通過對比檢測像元與背景像元的光譜特征，從而判別其屬于異常像元還是背景像元。高光譜遙感影像異常探測是高光譜遙感應用的重要方向之一，實際應用已經廣泛地覆蓋了從民用到軍用的諸多領域。典型應用包括國土資源管理中對于地形地貌特征、植被覆蓋、礦產分布以及土壤類型的勘察，搜尋和營救工作中對于自然背景下的人工目標檢測，反毒品戰爭中對于特定的毒品作物的檢測，國防和反恐中對于軍事車輛等特定目標的檢測等等。

針對高光譜遙感影像目標檢測，國內外學者提出了很多算法，代表性的算法大體分為以下幾類：基于(Reed-Xiaoli，RX)的檢測算法以及各種變型算法；基于稀疏表示(sparse representation，SR)的檢測算法以及各種變型算法；基于協同表示(collaborative representation，CR)的檢測算法以及各種變型算法；基于低秩稀疏矩陣分解(low-rank and sparse matrix decomposition，LRaSMD)的檢測算法以及各種變型算法。高光譜影像的多特征信息已經在分類等任務中得到了成功應用，而目前現有的異常檢測方法沒有考慮高光譜影像的多特征信息。

發明內容

為了克服現有技術的不足，本發明提供一種基于多特征和孤立樹的高光譜異常檢測方法。首先，提取高光譜影像的光譜特征、Gabor特征、擴展形態剖面(ExtendedMorphological Profiles，EMP)特征和擴展多屬性剖面(Extended Multi-AttributeProfiles，EMAP)特征；然后，對這四種特征分別建立孤立樹集合，利用孤立樹的特性得到高光譜遙感影像中的異常值，從而實現高光譜影像的異常檢測。本發明較好地挖掘和利用了高光譜影像的多特征信息，能夠進一步提高高光譜影像異常檢測性能。

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據變換為二維光譜特征數據其中，d₁表示波段個數，h表示每個波段影像中每一列的像元個數，w表示每個波段影像中每一行的像元個數，n表示每個波段影像中總的像元個數，n＝h×w；

步驟2：對光譜特征數據X_spe進行主成分分析，得到對應的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特征數據利用形態學濾波器對所有主成分圖像進行濾波，產生形態學剖面的結構成分，再對結構成分進行開閉操作，得到EMP特征數據利用形態學濾波器對所有主成分圖像進行濾波，產生形態學剖面的結構成分，再利用形態學屬性濾波器對結構成分進行濾波，得到EMAP特征數據其中，d₂表示Gabor特征數據的特征個數，其值等于主成分個數m、Gabor濾波器的方向和尺度三者的乘積，d₃表示EMP特征數據的特征個數，其值等于主成分個數m和形態學剖面的結構成分的個數的乘積，d₄表示EMAP特征數據的特征個數，其值等于主成分個數m、形態學剖面的結構成分的個數和形態學屬性濾波器的個數的乘積；

步驟3：分別對光譜特征數據、Gabor特征數據、EMP特征數據和EMAP特征數據按照以下過程構建得到各自對應的孤立樹集合：