[發(fā)明專利]一種殘差驅(qū)動(dòng)的異常檢測(cè)波段選擇方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110620232.7
• 申請(qǐng)日: 2021-06-03
• 公開(kāi)（公告）號(hào): CN113378683A
• 公開(kāi)（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 宋梅萍;尚曉笛
• 申請(qǐng)（專利權(quán)）人: 大連海事大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜玉蓉;李洪福

本發(fā)明公開(kāi)了一種殘差驅(qū)動(dòng)的異常檢測(cè)波段選擇方法，包括：選取一幅高光譜圖像，將其轉(zhuǎn)換為二維數(shù)據(jù)矩陣；利用密度峰值聚類算法獲取像素點(diǎn)對(duì)應(yīng)的局部密度和距離；根據(jù)密度和距離信息、采用特定密度閾值對(duì)高光譜圖像的所有像素點(diǎn)進(jìn)行劃分，得到異常目標(biāo)集合D和背景像素集合B；根據(jù)異常目標(biāo)集合D和背景像素集合B生成基于異常的約束向量和基于背景的約束向量；根據(jù)約束向量設(shè)計(jì)針對(duì)于異常檢測(cè)任務(wù)的非監(jiān)督波段選擇算法，通過(guò)殘差驅(qū)動(dòng)的波段排序準(zhǔn)則對(duì)波段進(jìn)行優(yōu)先級(jí)排序并獲得最終波段子集。

技術(shù)領(lǐng)域

本發(fā)明屬于高光譜圖像降維技術(shù)領(lǐng)域，具體涉及一種殘差驅(qū)動(dòng)的異常檢測(cè)波段選擇方法。

背景技術(shù)

高光譜遙感技術(shù)以其強(qiáng)大的地物光譜診斷能力在目標(biāo)檢測(cè)與識(shí)別領(lǐng)域得到了廣泛的應(yīng)用。然而，監(jiān)督目標(biāo)檢測(cè)需要事先知道目標(biāo)的先驗(yàn)光譜信息，但在實(shí)踐中，由于客觀因素的影響，通常很難獲得待檢測(cè)目標(biāo)的先驗(yàn)知識(shí)。因此，在沒(méi)有任何先驗(yàn)信息的幫助下，僅依靠目標(biāo)與背景統(tǒng)計(jì)分布的差異來(lái)實(shí)現(xiàn)目標(biāo)檢測(cè)與識(shí)別的異常檢測(cè)具有更實(shí)際的應(yīng)用價(jià)值，因而受到了廣泛的關(guān)注。異常不是指特定的地物。只要與周圍背景不同，都可以被視為“異常”。例如，機(jī)場(chǎng)的飛機(jī)、高速公路上的汽車、湖中的船只等。異常主要包括兩個(gè)特征：(1)其光譜與圖像中廣泛存在的背景(尤其是自然背景)有顯著差異；(2)它在高光譜圖像中具有出現(xiàn)概率低、分布種群小以及空間信息有限的特點(diǎn)。實(shí)際上，高光譜異常檢測(cè)的原理是基于數(shù)學(xué)和物理模型選擇光譜差異較大的地物。異常檢測(cè)中應(yīng)用最廣泛的模型是概率統(tǒng)計(jì)中的多元正態(tài)分布模型。著名的Reed-Xiaoli檢測(cè)器(RXD)、統(tǒng)一目標(biāo)檢測(cè)器(UTD)和低概率目標(biāo)檢測(cè)器(LPTD)都是基于上述模型的。具體來(lái)說(shuō)，基于馬氏距離的RXD是對(duì)多個(gè)光學(xué)波段中強(qiáng)度不可忽略且未知的信號(hào)進(jìn)行處理，具有較強(qiáng)的理論基礎(chǔ)，可以獲得穩(wěn)定的性能。因此，眾多致力于改進(jìn)RXD的檢測(cè)器也相繼被提出，包括R-Anomaly Detector(RAD)、核RX、子空間RX、迭代RXD、加權(quán)RX等。它們雖然取得了很好的檢測(cè)效果，但都是基于全波段檢測(cè)的。

事實(shí)上，高光譜圖像不可避免地會(huì)存在一些冗余的、無(wú)意義的或是噪聲波段。那么，對(duì)于異常檢測(cè)任務(wù)來(lái)說(shuō)，通常也會(huì)存在異常信息豐富、對(duì)異常診斷能力強(qiáng)的波段。因此，針對(duì)異常檢測(cè)，一個(gè)設(shè)計(jì)良好的波段選擇方法可以幫助異常檢測(cè)器更好地從背景中識(shí)別異常，具有重要意義和實(shí)用價(jià)值。然而，由于缺少異常的先驗(yàn)信息，很難像監(jiān)督的目標(biāo)檢測(cè)波段選擇方法那樣，設(shè)計(jì)一個(gè)特定于異常目標(biāo)的波段排序準(zhǔn)則來(lái)指導(dǎo)最終波段子集的生成，導(dǎo)致針對(duì)于異常檢測(cè)任務(wù)的波段選擇算法發(fā)展緩慢，也給異常檢測(cè)帶來(lái)了巨大的挑戰(zhàn)。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明公開(kāi)了一種殘差驅(qū)動(dòng)的異常檢測(cè)波段選擇方法，具體包括如下步驟：

選取一幅高光譜圖像，將其轉(zhuǎn)換為二維數(shù)據(jù)矩陣；

利用密度峰值聚類算法獲取像素點(diǎn)對(duì)應(yīng)的局部密度和距離；

根據(jù)密度和距離信息、采用特定密度閾值對(duì)高光譜圖像的所有像素點(diǎn)進(jìn)行劃分，得到異常目標(biāo)集合D和背景像素集合B；

根據(jù)異常目標(biāo)集合D和背景像素集合B生成基于異常的約束向量和基于背景的約束向量；

根據(jù)約束向量設(shè)計(jì)針對(duì)于異常檢測(cè)任務(wù)的非監(jiān)督波段選擇算法，通過(guò)殘差驅(qū)動(dòng)的波段排序準(zhǔn)則對(duì)波段進(jìn)行優(yōu)先級(jí)排序并獲得最終波段子集；

進(jìn)一步的，利用密度峰值聚類算法獲取像素點(diǎn)x_i對(duì)應(yīng)的局部密度ρ_i和距離δ_i，

其中局部密度ρ_i的計(jì)算方式為

其中，d_ij表示像素點(diǎn)x_i到x_j的歐式距離，d_c表示截止距離，用于確定密度峰值聚類的搜索范圍，其中距離δ_i的計(jì)算方式為