一種異常檢測方法及裝置制造方法
【專利摘要】本申請?zhí)峁┝艘环N異常檢測方法及裝置，其中，方法包括：獲取待檢測的高光譜圖像，采用RX算法對待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣，獲取異常檢測結(jié)果矩陣的權(quán)重矩陣；對權(quán)重矩陣進(jìn)行歸一化處理，獲得歸一化的權(quán)重矩陣，利用歸一化的權(quán)重矩陣計算待檢測的高光譜圖像中背景的均值向量和協(xié)方差矩陣，利用背景的均值向量和協(xié)方差矩陣，采用RX算法對待檢測的高光譜圖像進(jìn)行異常檢測，得到異常檢測結(jié)果。本申請?zhí)峁┑漠惓z測方法，使用加權(quán)法估計背景的均值向量和協(xié)方差矩陣，能夠降低異常信息和噪聲的干擾，突顯背景信息，使背景信息能更好的滿足RX算法對背景信息的假設(shè)，從而提高檢測率、降低虛警率。
【專利說明】一種異常檢測方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及異常檢測【技術(shù)領(lǐng)域】，尤其涉及一種異常檢測方法及裝置。
【背景技術(shù)】
[0002]異常檢測是高光譜領(lǐng)域的一個熱點(diǎn)問題。異常目標(biāo)是指人們感興趣的地物。它有兩大特點(diǎn)，其一，有明顯的光譜差異，其二，在圖像中出現(xiàn)的概率較低。
[0003]現(xiàn)有技術(shù)中，通常使用RX算法實現(xiàn)異常檢測。RX算法假設(shè)圖像背景服從多元正態(tài)分布，通過計算背景像元集的均值向量和協(xié)方差矩陣來描述背景信息。發(fā)明人在實現(xiàn)本發(fā)明創(chuàng)造的過程中發(fā)現(xiàn):RX算法在背景估計時會引入異常信息和噪聲干擾，無法滿足算法對背景信息的假設(shè)，導(dǎo)致檢測結(jié)果具有較高的虛警率。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明提供了一種異常檢測方法，用以解決現(xiàn)有技術(shù)中RX算法在背景估計時會引入異常信息和噪聲干擾，無法滿足算法對背景信息的假設(shè)，導(dǎo)致檢測結(jié)果具有較高的虛警率的問題，其技術(shù)方案如下:
[0005]一方面，一種異常檢測方法,包括:
[0006]獲取待檢測的高光譜圖像；
[0007]采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣；
[0008]獲取所述異常檢測結(jié)果矩陣的權(quán)重矩陣；
[0009]對所述權(quán)重矩陣進(jìn)行歸一化處理，獲得歸一化的權(quán)重矩陣；
[0010]利用所述歸一化的權(quán)重矩陣計算所述待檢測的高光譜圖像中背景的均值向量和協(xié)方差矩陣；
[0011]利用所述背景的均值向量和協(xié)方差矩陣，采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，得到異常檢測結(jié)果。
[0012]其中，使用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣，包括:
[0013]利用所述待檢測的高光譜圖像背景的均值向量和協(xié)方差矩陣，通過A(i, j) = [r(i, j)-y]TZ-1[r(i, j)-y]計算得到所述異常檢測結(jié)果矩陣，其中，A(i，j)為所述異常檢測結(jié)果矩陣，r(i，j)為所述待檢測的高光譜圖像中在位置(i，j)的像元，μ為所述待檢測的高光譜圖像中背景的均值向量，Σ為所述待檢測的高光譜圖像中背景的協(xié)方差矩陣。
[0014]其中，獲取所述異常檢測結(jié)果矩陣的權(quán)重矩陣，包括:
[0015]通過W(i，j)=exp[-A(i，j)/2]計算得到所述異常檢測結(jié)果矩陣的權(quán)重矩陣，其中，A(i，j)為所述異常檢測結(jié)果矩陣，W(i，j)為所述異常檢測結(jié)果矩陣的權(quán)重矩陣。
[0016]其中，對所述權(quán)重矩陣進(jìn)行歸一化處理，獲得的歸一化的權(quán)重矩陣，包括:[0017]利用所述異常檢測結(jié)果矩陣的權(quán)重矩陣，通過
【權(quán)利要求】
1.一種異常檢測方法，其特征在于，包括: 獲取待檢測的高光譜圖像； 采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣； 獲取所述異常檢測結(jié)果矩陣的權(quán)重矩陣； 對所述權(quán)重矩陣進(jìn)行歸一化處理，獲得歸一化的權(quán)重矩陣； 利用所述歸一化的權(quán)重矩陣計算所述待檢測的高光譜圖像中背景的均值向量和協(xié)方差矩陣； 利用所述背景的均值向量和協(xié)方差矩陣，采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，得到異常檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，使用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣，包括: 利用所述待檢測的高光譜圖像背景的均值向量和協(xié)方差矩陣，通過A(i, j) = [r(i, j)-y]TZ-1[r(i, j)-y]計算得到所述異常檢測結(jié)果矩陣，其中，A(i，j)為所述異常檢測結(jié)果矩陣，r(i，j)為所述待檢測的高光譜圖像中在位置(i，j)的像元，μ為所述待檢測的高光譜圖像中背景的均值向量，Σ為所述待檢測的高光譜圖像中背景的協(xié)方差矩陣。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取所述異常檢測結(jié)果矩陣的權(quán)重矩陣，包括: 通過W(i，j)=eXp[-A(i，j)/2]計算得到所述異常檢測結(jié)果矩陣的權(quán)重矩陣，其中，A(i, j)為所述異常檢測結(jié)果矩陣，W(i，j)為所述異常檢測結(jié)果矩陣的權(quán)重矩陣。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述權(quán)重矩陣進(jìn)行歸一化處理，獲得的歸一化的權(quán)重矩陣，包括: 利用所述異常檢測結(jié)果矩陣的權(quán)重矩陣，通過
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，利用所述歸一化的權(quán)重矩陣計算所述待檢測的高光譜圖像中背景的均值向量和協(xié)方差矩陣，包括: 利用所述歸一化的權(quán)重矩陣’通過
6.一種異常檢測裝置，其特征在于，包括: 第一獲取模塊，用于獲取待檢測的高光譜圖像；第一檢測模塊，用于采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，獲得異常檢測結(jié)果矩陣； 第二獲取模塊，用于獲取所述異常檢測結(jié)果矩陣的權(quán)重矩陣； 歸一化模塊，用于對所述權(quán)重矩陣進(jìn)行歸一化處理，獲得的歸一化的權(quán)重矩陣； 計算模塊，用于利用所述歸一化的權(quán)重矩陣計算所述待檢測的高光譜圖像中背景的均值向量和協(xié)方差矩陣； 第二檢測模塊，用于利用所述背景的均值向量和協(xié)方差矩陣，采用RX算法對所述待檢測的高光譜圖像進(jìn)行異常檢測，得到異常檢測結(jié)果。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一檢測模塊包括: 第一計算子模塊，用于利用所述待檢測的高光譜圖像背景的均值向量和協(xié)方差矩陣，通過
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二獲取模塊包括: 第二計算子模塊，用于通過W(i，j)=exp[-A(i, j)/2]計算得到所述異常檢測結(jié)果矩陣的權(quán)重矩陣，其中，A(i，j)為異常檢測結(jié)果矩陣，W(i，j)為異常檢測結(jié)果矩陣的權(quán)重矩陣。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述歸一化模塊包括: 第三計算子模塊，用于利用所述異常檢測結(jié)果矩陣的權(quán)重矩陣，通過~(i，j) = W(ij_)/^W(i，.j)計算得到所述歸一化的權(quán)重矩陣，其中，ff(i) j)為所述異常檢測結(jié)果矩陣的權(quán)重矩陣，為所述歸一化的權(quán)重矩陣，M和N分別為所述待檢測的高光譜圖像的行數(shù)和列數(shù)。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述計算模塊包括: 第四計算子模塊，利用所述歸一化的權(quán)重矩陣，通過
【文檔編號】G06T7/00GK103559714SQ201310551750
【公開日】2014年2月5日 申請日期:2013年11月7日 優(yōu)先權(quán)日:2013年11月7日
【發(fā)明者】張兵, 高連如, 郭乾東, 孫旭, 吳遠(yuǎn)峰, 李利偉 申請人:中國科學(xué)院對地觀測與數(shù)字地球科學(xué)中心