基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法
【專利摘要】本發(fā)明公開了一種基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，運用核擴張技術(shù)，高光譜遙感數(shù)據(jù)非線性分布關(guān)系，獲取高光譜遙感影像數(shù)據(jù)偽密度。通過設(shè)置穩(wěn)健背景和潛在異常目標正負軟標簽，在高光譜遙感影像偽密度值與軟標簽之間建立回歸關(guān)系。通過聯(lián)合流型控制項解析高光譜遙感數(shù)據(jù)內(nèi)在流型結(jié)構(gòu)，以及通過聯(lián)合穩(wěn)健背景均值最大偏置項，最大程度地在穩(wěn)健背景集合中排除潛在異常目標，使迭代回歸可得到最優(yōu)化的穩(wěn)健背景集合。根據(jù)穩(wěn)健背景集合獲取影像數(shù)據(jù)中各像元異常度積分。具有適應度高、深入挖掘數(shù)據(jù)關(guān)系結(jié)構(gòu)的特點，同時突出異常目標，異常目標探測精度較高，適合高光譜遙感影像的數(shù)據(jù)特點，適用于高光譜遙感影像異常目標檢測。
【專利說明】
基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于遙感影像處理技術(shù)領(lǐng)域，尤其設(shè)及一種基于穩(wěn)健背景回歸的高光譜遙 感影像異常目標探測方法。
【背景技術(shù)】
[0002] 高光譜遙感的興起是20世紀80年代遙感技術(shù)發(fā)展的主要成就之一，是當前遙感的 前沿技術(shù)。隨著遙感技術(shù)的發(fā)展和傳感器硬件的升級，所獲取的遙感影像從單波段全色影 像到多波段影像，再到高光譜遙感影像，光譜分辨率逐步提高，高光譜遙感在光譜分辨率上 具有巨大優(yōu)勢。對地觀測技術(shù)及其應用的飛速發(fā)展在很大程度上改變了人們認識世界的模 式。隨著高光譜遙感技術(shù)的日趨成熟，其應用領(lǐng)域也日益廣泛(文獻[1 ])。
[0003] 較之全色影像和多光譜遙感影像，高光譜遙感影像對于目標探測技術(shù)來講具有顯 著優(yōu)勢。高光譜遙感影像高光譜分辨率的優(yōu)勢，使地物目標的探測能力有所增強。異常目標 是指光譜與大部分背景地物有很大差異的目標像元，高光譜遙感影像異常目標探測技術(shù)可 W通過統(tǒng)計分析的方式檢測影像中的異常目標，無需目標和背景地物的先驗光譜信息（文 獻[2])。地物光譜多變性、同物異譜W及同譜異物現(xiàn)象使需要已知先驗光譜的目標探測技 術(shù)面臨困擾(文獻[3])。再者，對于很多應用領(lǐng)域，通常很難獲得影像覆蓋地區(qū)中的地物光 譜。同時，由于大氣傳輸過程中，大氣吸收、散射W及潛在的光照和傳感器光譜信號響應的 影響，高光譜遙感影像所獲取的像元地物光譜可能產(chǎn)生較大形變，使其與實驗室測定光譜 有很大差異。在探測過程中，異常探測技術(shù)不需要目標和背景地物的先驗光譜信息運一特 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(shù)在很多領(lǐng) 域中得到成功應用，如礦物勘測、邊境監(jiān)察、捜索營救等，成為高光譜遙感影像處理與應用 的一個研究熱點(文獻[4])。
[0004] 目前國內(nèi)外學者對高光譜遙感影像異常目標探測技術(shù)做了很多研究。RX異常目標 探測方法是異常目標探測技術(shù)中經(jīng)典的基于馬氏距離統(tǒng)計的探測器，Subspace-RX將子空 間分析技術(shù)引入到高光譜異常目標探測中，在子空間中進行探測統(tǒng)計實現(xiàn)對背景的抑制， Kernel-RX就核機器學習技術(shù)運用于高光譜異常目標探測，通過核技術(shù)構(gòu)造非線性RX異常 目標探測器，在高維空間中異常目標探測統(tǒng)計的性能顯著提高，已被廣泛應用于多光譜和 高光譜遙感影像，CBAD異常目標探測方法將影像中的類別信息考慮到探測統(tǒng)計中，BACON異 常目標探測方法運用迭代統(tǒng)計方法使異常目標探測器具有更強的魯棒性，RSAD運用隨機選 擇方法構(gòu)造偽隨機的背景統(tǒng)計方式W提高背景抑制的穩(wěn)健性，SVD明尋支持向量數(shù)據(jù)表達方 法引入高光譜異常目標探測并取得了成功，Selective-KPCA通過核主分量分析后結(jié)合LS值 選擇背景抑制較好的核主分量進行高光譜異常目標探測，降低了干擾地物的探測虛警率。
[0005] 穩(wěn)健背景回歸方法采用核擴張技術(shù)(文獻[5])、流型結(jié)構(gòu)分析(文獻6])和穩(wěn)健背 景均值最大偏置可W最大程度地在穩(wěn)健背景集合中排除潛在異常目標，使迭代回歸得到最 優(yōu)化的。運用核擴張技術(shù)，高光譜遙感數(shù)據(jù)非線性分布關(guān)系，獲取高光譜遙感影像數(shù)據(jù)偽密 度。通過設(shè)置穩(wěn)健背景和潛在異常目標正負軟標簽，在高光譜遙感影像偽密度值與軟標簽 之間建立回歸關(guān)系。通過聯(lián)合流型控制項解析高光譜遙感數(shù)據(jù)內(nèi)在流型結(jié)構(gòu)，w及通過聯(lián) 合穩(wěn)健背景均值最大偏置項，最大程度地在穩(wěn)健背景集合中排除潛在異常目標，使迭代回 歸可得到最優(yōu)化的穩(wěn)健背景集合。根據(jù)穩(wěn)健背景集合獲取影像數(shù)據(jù)中各像元異常度積分。 通過將核擴張技術(shù)、流型結(jié)構(gòu)分析和穩(wěn)健背景均值最大偏置聯(lián)合構(gòu)造穩(wěn)健背景回歸過程影 像中的背景進行很好地抑制，同時突出異常目標。
[0006] [文南犬l]Goetz A F Η,Vane G,Solomon J E,et al.''Imaging spectrometry for ea;rth remote sensing."Science,1985,228(4704):1147-1153.
[0007] [文獻2]Stein D W J'Beaven S G,Hoff L E,et al. "Anomaly detection from hyperspectral imagerySignal Processing Magazine, IEEE,2002,19(1):58-69.
[000引[文獻3 ]Keshava , N . and J . F . Mustard . "Spectral unmixing . " Signal Processing Magazine, ]?ΕΕ,2002,19(1):44-57.
[0009] [文南犬4]Matteoli S,Diani M,Corsini G."A tutorial overview of anomaly detection in hyperspectral images.''Aerospace and Electronic Systems Magazine, I邸E,2010,25(7):5-28.
[0010] [文南犬5]B.Scholkopf and A.J.Smola丄earnin邑 with Kernels:Support Vector Machines,Regularization,Optimization,and Beyond.MIT Press,2002.
[0011] [文南犬6]S.Yan,D.Xu et al. , "Graph embedding and extensions :a general framework for dimensionality reduction,''IEEE Trans.Pattern Anal.Mach.Intell., vol.29,no.1,卵.40-51,2007.

【發(fā)明內(nèi)容】

[0012] 針對現(xiàn)有技術(shù)少有對高光譜遙感影像內(nèi)在非線性分布關(guān)系進行分析的不足，本發(fā) 明提供了一種解析高光譜遙感數(shù)據(jù)非線性分布關(guān)系及其內(nèi)在流型結(jié)構(gòu)的基于穩(wěn)健背景回 歸的高光譜遙感影像異常目標探測方法。
[0013] 本發(fā)明所采用的技術(shù)方案是:一種基于穩(wěn)健背景回歸的高光譜遙感影像異常目標 探測方法，其特征在于:將高光譜遙感影像X讀入大小為P X N的矩陣R中，矩陣中各元素為各 波段對應的像素福射值，P為高光譜遙感影像的波段數(shù)，N為高光譜遙感影像的像素數(shù)，基于 矩陣R對高光譜遙感影像進行如下操作：
[0014] 步驟1:對高光譜遙感影像X獲取影像數(shù)據(jù)核矩陣K和拉普拉斯矩陣L，給定流型控 制項和穩(wěn)健背景控制項權(quán)衡參數(shù)丫 1和丫 2 ;
[0015] 步驟2:初始化核擴張系數(shù)α〇;
[0016] 步驟3:根據(jù)α〇生成初始化穩(wěn)健背景和潛在異常目標標簽集扔；
[0017] 步驟4:迭代回歸獲取收斂后的標簽集
[0018] 步驟5:根據(jù)標簽集進行積分檢測，獲得高光譜遙感影像X的異常目標探測結(jié) 果。
[0019] 作為優(yōu)選，步驟1的實現(xiàn)過程是，采用公式
1計算高光譜遙感影像X中各像元之間的核空間關(guān)系，其中，XI和Xj分別是高光譜遙感影像X 中的第i個和第j個像元，Oke是核參數(shù)，η是正負分離項，k(Xi，Xj )為像元Xi與像元Xj之間的核 空間關(guān)系；采用公式
十算相關(guān)性矩陣W，其中，Ni是包含 k個與像元XI之間相關(guān)性關(guān)系最小像元的集合，化是W的參數(shù);采用公iS
十算對角 矩陣D，采用公式L = D-W計算拉普拉斯矩陣レ給定流型控制項和穩(wěn)健背景控制項權(quán)衡參數(shù) 丫謝丫 2。
[0020] 作為優(yōu)選，步驟2的實現(xiàn)過程是，采用公
初始化核擴張系數(shù)。其中，α〇 為初始化的核擴張系數(shù)，Ν為高光譜遙感影像中的像元總數(shù)。
[0021] 作為優(yōu)選，步驟3的實現(xiàn)過程是，根據(jù)α〇,采用公式f〇 = Ka〇初始化高光譜遙感影像 各像元偽密度值，統(tǒng)計fo中正值像元個數(shù)弗?;設(shè)定正標簽為1+^，負標簽為-1;生成初始 化穩(wěn)健背景和潛在異常目標標簽集y;，使y;標簽正負與偽密度值fo正負相對應。
[0022] 作為優(yōu)選，步驟4的實現(xiàn)過程是，在每一輪迭代回歸中，計算矩^
均最 小特征值f，其中Τ = Κ(Ι+丫止化，b,為維度為高光譜影像像元總數(shù)的單位矩陣，t 為當前迭代次數(shù)，y:為上一輪迭代中產(chǎn)生的標簽集;采用公式α,+ι=(τ-年1)-1吟計算當前 迭代中的核擴張系數(shù);采用公式fVi = Kaw計算高光譜遙感影像各像元當前迭代中的偽密 度值，統(tǒng)計fVi中正值像元個數(shù)AC,;設(shè)定正標簽為1，負標簽為-1;生成初始化穩(wěn)健背 景和潛在異常目標標簽集矜+1，使標簽正負與偽密度值fw正負相對應;直至y:+i =y；·，停 止迭代回歸，得到收斂后的標簽集
[0023] 作為優(yōu)選，步驟5的實現(xiàn)過程是，根據(jù)收斂后的標簽集y勺尋高光譜遙感影像分割為 穩(wěn)健背景集合Xb和潛在異常目標集合Xt，即若標簽為正，則令像元為穩(wěn)健背景，若標簽為負， 則令像元為潛在異常目標;采用公式
計算高光譜遙感影像X中各像 元與穩(wěn)健背景集合中各像元之間的歐式距離，其中，XI為高光譜遙感影像X中的第i個像元， Xf,是紅中的第j個像元;采用公??
十算相關(guān) 性矩陣Wpse，其中，點包含kpse個在Xb中與像元XI之間歐氏距離最小像元的集合;采用 公式
計算高光譜遙 感影像X中像元XI的探測值，其中，SRBRSE(i)是高光譜遙感影像X中像元XI的探測值，加為X沖 所包含的像元個數(shù)，從而獲得高光譜遙感影像X的異常目標探測結(jié)果。
[0024] 與現(xiàn)有技術(shù)相比，本發(fā)明具有W下特定和有意效果：
[0025] 1、運用核擴張技術(shù)，高光譜遙感數(shù)據(jù)非線性分布關(guān)系，獲取高光譜遙感影像數(shù)據(jù) 偽密度。
[0026] 2、通過設(shè)置穩(wěn)健背景和潛在異常目標正負軟標簽，在高光譜遙感影像偽密度值與 軟標簽之間建立回歸關(guān)系。通過聯(lián)合流型控制項解析高光譜遙感數(shù)據(jù)內(nèi)在流型結(jié)構(gòu)，W及 通過聯(lián)合穩(wěn)健背景均值最大偏置項，最大程度地在穩(wěn)健背景集合中排除潛在異常目標，使 迭代回歸可得到最優(yōu)化的穩(wěn)健背景集合。根據(jù)穩(wěn)健背景集合獲取影像數(shù)據(jù)中各像元異常度 積分。
[0027] 3、具有適應度高、深入挖掘數(shù)據(jù)關(guān)系結(jié)構(gòu)的特點，異常目標探測精度較高，適合高 光譜遙感影像的數(shù)據(jù)特點，適用于高光譜遙感影像異常目標檢測。
【附圖說明】
[0028] 圖1為本發(fā)明實施例的具體流程圖。
【具體實施方式】
[0029] 為了便于本領(lǐng)域普通技術(shù)人員理解和實施本發(fā)明，下面結(jié)合附圖及實施例對本發(fā) 明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0030] 本發(fā)明關(guān)鍵發(fā)明點為將軟標簽迭代回歸引入高光譜遙感影像的異常目標探測中， 同時本發(fā)明將核擴張技術(shù)、流型控制、穩(wěn)健背景均值最大偏置相結(jié)合，與軟標簽建立回歸關(guān) 系。通過設(shè)置穩(wěn)健背景和潛在異常目標正負軟標簽，在高光譜遙感影像偽密度值與軟標簽 之間建立回歸關(guān)系。通過聯(lián)合流型控制項解析高光譜遙感數(shù)據(jù)內(nèi)在流型結(jié)構(gòu)，W及通過聯(lián) 合穩(wěn)健背景均值最大偏置項，最大程度地在穩(wěn)健背景集合中排除潛在異常目標，使迭代回 歸可得到最優(yōu)化的穩(wěn)健背景集合。再結(jié)合積分檢測方法，根據(jù)穩(wěn)健背景集合輸出高光譜遙 感影像的異常目標探測結(jié)果。基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法對高 光譜遙感數(shù)據(jù)非線性分布關(guān)系及其內(nèi)在流型結(jié)構(gòu)進行解析，可通過深入挖掘數(shù)據(jù)關(guān)系結(jié)構(gòu) 對異常目標進行探測。
[0031 ]本【具體實施方式】采用MATLAB平臺實現(xiàn)，MATLAB高光譜遙感影像讀寫函數(shù)為實施基 礎(chǔ)。調(diào)用高光譜遙感影像讀取函數(shù)，輸入待讀取遙感影像文件名，遙感影像即被讀入大小為 PXN的矩陣中，矩陣中各元素為各波段對應的像素福射值，其中，N為遙感影像的波段數(shù)，P 為遙感影像的像素數(shù)。調(diào)用高光譜遙感影像讀寫函數(shù)，將高光譜遙感影像讀入矩陣X。 MATLAB遙感影像讀寫函數(shù)為本技術(shù)領(lǐng)域的公知技術(shù)，在此不作寶述。
[0032] 請見圖1，本發(fā)明提供的一種基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測 方法，將高光譜遙感影像X讀入大小為PXN的矩陣R中，矩陣中各元素為各波段對應的像素 福射值，P為高光譜遙感影像的波段數(shù)，N為高光譜遙感影像的像素數(shù)，基于矩陣R對高光譜 遙感影像進行如下操作：
[0033] (1)計算高光譜遙感影像X中各像元之間的核空間關(guān)系，計算公式如下：
[0034]
[0035] 式（1)中，XI和X別是高光譜遙感影像X中的第i個和第j個像元，oke是核參數(shù)，η 是正負分離項。
[0036] 基于公式(1)計算高光譜遙感影像X中各像元之間的核空間關(guān)系。
[0037] (2)計算相關(guān)性矩陣W，計算公式如下：
[00；3 引
[0039] 式(2)中，Ni是包含kL個與像元XI之間相關(guān)性關(guān)系最小像元的集合，化是W的參數(shù)。
[0040] 基于公式(2)計算相關(guān)性矩陣W。
[0041] (3)計算對角矩陣D，計算公式如下：
[0042]
[0043] (4)計算拉普拉斯矩陣L，計算公式如下：
[0044] L = D-W (4)
[0045] (5)初始化核擴張系數(shù)α〇,初始化公式如下：
[0046]
[0047] 其中，α〇為初始化的核擴張系數(shù)，Ν為高光譜遙感影像中的像元總數(shù)。
[0048] (6)根據(jù)α〇，初始化高光譜遙感影像各像元偽密度值，計算公式如下：
[0049] f〇 = Ka〇, (6)
[0化0] (7)統(tǒng)計時中正值像元個數(shù)^馬。設(shè)定正標簽為1 + ·^，負標簽為-1。
[0化1] (8)生成初始化穩(wěn)健背景和潛在異常目標標簽集拆，使y;標簽正負與偽密度值fo正 負相對應。
[005^ (9)計算矩陣
的最小特征值為*，其中Τ = Κ(Ι+丫止化，b, =%；，t為當 前迭代次數(shù)，托為上一輪迭代中產(chǎn)生的標簽集，I為維度為高光譜影像像元總數(shù)的單位矩 陣;計算當前迭代中的核擴張系數(shù)，計算公式如下：
[0化3]
[0054] 計算高光譜遙感影像各像元當前迭代中的偽密度值，計算公式如下：
[0055] f"i=Ka"i (8)
[0化6] 統(tǒng)計ft+i中正值像元個數(shù)W二1。設(shè)定正標簽為
負標簽為-1。生成初始化穩(wěn) 健背景和潛在異常目標標簽集捉1，使於1標簽正負與偽密度值fVi正負相對應。直至 y:, 1 =折，停止迭代回歸，得到收斂后的標簽集y*。
[0057] (10)根據(jù)收斂后的標簽集/將高光譜遙感影像分割為穩(wěn)健背景集合抽和潛在異常 目標集合Xt，即若標簽為正，則令像元為穩(wěn)健背景，若標簽為負，則令像元為潛在異常目標。 [005引（11)計算高光譜遙感影像X中各像元與穩(wěn)健背景集合中各像元之間的歐式距離， 計算公式如下：
[0化9]
[0060]式(9)中，XI為高光譜遙感影像X中的第i個像元，*^是乂6中的第j個像元。
[0061 ] ( 1 2 )計算相關(guān)性矩陣Wpse，計算公式如下：
[0062]
[0063] 式（10)中，是包含kpse個在X沖與像元XI之間歐氏距離最小像元的集合。
[0064] (13)計算高光譜遙感影像X中像元xi的探測值，計算公式如下：
[00化]
.1.)
[0066] 式（13)中，祉為X沖所包含像元個數(shù)，SrbrseQ)是高光譜遙感影像帥像元XI的探測 值。
[0067] W下通過對比試驗來驗證本發(fā)明的有益效果。
[0068] 本試驗采用的數(shù)據(jù)為：l)Puslib;room Hyperspectral Imager (PHI)目標嵌入數(shù)據(jù)， 光譜分辨率5nm，共80個波段，波譜覆蓋范圍是440-854nm，影像尺寸240像素 X 240像素；2) Hyperspectral Digital Imagery Collection Experiment(肌DICE)高光譜遙感影像數(shù) 據(jù)，共210個波段，波譜覆蓋范圍是0.4-2.加 m，去除低信噪比和水吸收波段后剩余162個波 段，影像尺寸80像素 X 100像素；3)Reflective Optics System Imaging Spectrometer (ROSIS)高光譜遙感影像數(shù)據(jù)，共102個波段，波譜覆蓋范圍是0.43-0.86um，影像尺寸120像 素 X 108像素；4)Hyperion高光譜遙感影像數(shù)據(jù)，共242個波段，波譜覆蓋范圍是0.35- 2.6um，去除低信噪比和水吸收波段后剩余155個波段，影像尺寸150像素 X 150像素。分別采 用經(jīng)典的RX異常探測方法(方法1)、基于聚類信息的異常探測方法(方法2)、子空間分析法 (方法3)、封閉自適應高效異常探巧巧法(方法4)、核化RX異常探測方法(方法5)和本發(fā)明方 法進行異常目標探測。
[0069] 異常目標探測評價指標:采用R0C曲線下面積(AUC)值的定量評價方法。AUC值越 大，表明異常探測方法性能越好。
[0070] 采用AUC值評價方法1~3和本發(fā)明方法的異常目標探測能力，評價指標見表1。 0.950
[0071] 表1對比試驗結(jié)果
[0072]
[0073] 從表1可見，本發(fā)明方法能獲得更高的AUC值，表明本發(fā)明方法具有更強的異常目 標探測能力。
[0074] 由此可得出結(jié)論，與傳統(tǒng)異常目標探測方法相比，本發(fā)明方法擁有更高的異常目 標探測精度。本發(fā)明從高光譜遙感影像數(shù)據(jù)非線性分布關(guān)系及內(nèi)在流型結(jié)構(gòu)出發(fā)，可有效 突出異常目標像元，抑制背景像元，提高異常目標探測精度。
[0075] 應當理解的是，本說明書未詳細闡述的部分均屬于現(xiàn)有技術(shù)。
[0076] 應當理解的是，上述針對較佳實施例的描述較為詳細，并不能因此而認為是對本 發(fā)明專利保護范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán) 利要求所保護的范圍情況下，還可W做出替換或變形，均落入本發(fā)明的保護范圍之內(nèi)，本發(fā) 明的請求保護范圍應W所附權(quán)利要求為準。
【主權(quán)項】
1. 一種基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其特征在于:將高光 譜遙感影像X讀入大小為PXN的矩陣R中，矩陣中各元素為各波段對應的像素輻射值，P為高 光譜遙感影像的波段數(shù)，N為高光譜遙感影像的像素數(shù)，基于矩陣R對高光譜遙感影像進行 如下操作： 步驟1:對高光譜遙感影像X獲取影像數(shù)據(jù)核矩陣K和拉普拉斯矩陣L，給定流型控制項 和穩(wěn)健背景控制項權(quán)衡參數(shù)γ 1和γ 2; 步驟2:初始化核擴張系數(shù)α〇; 步驟3:根據(jù)α〇生成初始化穩(wěn)健背景和潛在異常目標標簽集y。 步驟4:迭代回歸獲取收斂后的標簽集y% 步驟5:根據(jù)標簽集f，進行積分檢測，獲得高光譜遙感影像X的異常目標探測結(jié)果。2. 根據(jù)權(quán)利要求1所述的基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其 特征在于：步驟1的實現(xiàn)過程是，采用公式/cfx,，x,>cxpi-|x,-x,.||2/4-7,〇〈n〈l計算高 光譜遙感影像X中各像元之間的核空間關(guān)系，其中，xdPXj分別是高光譜遙感影像X中的第i 個和第j個像元，〇ke是核參數(shù)，η是正負分離項，k ( Xi，X j )為像元Xi與像元X j之間的核空間關(guān);計算相關(guān)性矩陣W，其中，化是包含k個與 像元Xl之間相關(guān)性關(guān)系最小像元的集合，九是W的參數(shù)；D，采用公式L=D-W計算拉普拉斯矩陣L;給定流型控制項和穩(wěn)健背景控制項權(quán)衡參數(shù)γ :和 γ 2〇3. 根據(jù)權(quán)利要求1所述的基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其 特征在于:步驟2的實現(xiàn)過程是·初始化核擴張系數(shù)。其中，為初始化 的核擴張系數(shù)，Ν為高光譜遙感影像中的像元總數(shù)。4. 根據(jù)權(quán)利要求3所述的基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其 特征在于:步驟3的實現(xiàn)過程是，根據(jù)α〇,采用公式f Q = Ka〇初始化高光譜遙感影像各像元偽 密度值，統(tǒng)計fo中正值像元個數(shù);設(shè)定正標簽，負標簽為-1;生成初始化穩(wěn)健背 景和潛在異常目標標簽集％，使<標簽正負與偽密度值f〇正負相對應。5. 根據(jù)權(quán)利要求1所述的基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其 特征在于:步驟4的實現(xiàn)過程是，在每一輪迭代回歸中最小特征值 參其中Τ = Κ(Ι+γ iL)K，bz =Ky;，1為維度為高光譜景多像像元總數(shù)的單位矩陣，t為當前迭 代次數(shù)，y)為上一輪迭代中產(chǎn)生的標簽集;采用公式計算當前迭代中的 核擴張系數(shù);采用公式6+1 = 1((^+1計算高光譜遙感影像各像元當前迭代中的偽密度值，統(tǒng)計 ft+1中正值像元個數(shù)^:1;設(shè)定正標簽，負標簽為-1;生成初始化穩(wěn)健背景和潛在 異常目標標簽集y!+1，使'標簽正負與偽密度值ft+1正負相對應;直至y!+1 = y:：·，停止迭代回 歸，得到收斂后的標簽集y'6.根據(jù)權(quán)利要求1所述的基于穩(wěn)健背景回歸的高光譜遙感影像異常目標探測方法，其 特征在于:步驟5的實現(xiàn)過程是，根據(jù)收斂后的標簽集f將高光譜遙感影像分割為穩(wěn)健背景 集合xb和潛在異常目標集合x t，即若標簽為正，則令像元為穩(wěn)健背景，若標簽為負，則令像元 為潛在異常目標；計算高光譜遙感影像X中各像元與穩(wěn)健 背景集合中各像元之間的歐式距離，其中，Xl為高光譜遙感影像X中的第i個像元，、是知中 的第j個像元；計算相關(guān)性矩陣 ，其中，是包含kpse個在Xb中與像元^之間歐氏距離最小像元的集合;采用公式計算高光譜遙感影像X 中像元Xi的探測值，其中，3rbrse( i)是高光譜遙感影像X中像元Xi的探測值，nb為Xb中所包含 像元個數(shù)，從而獲得高光譜遙感影像X的異常目標探測結(jié)果。
【文檔編號】G06T7/00GK105825512SQ201610156116
【公開日】2016年8月3日
【申請日】2016年3月18日
【發(fā)明人】趙銳, 杜博, 張良培
【申請人】武漢大學