基于带野值的SVDD的高光谱图像异常检测

• 作者: 汤俊杰 蒲晓丰 雷武虎 黄涛
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 异常检测 支持向量数据描述(SVDD) 加权 高光谱图像
• 年，卷（期）: 2010,（12）
• 页码范围: 83-87
• 分类号: TP751.1
• 字数: 3226字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2010.12.015

摘要

基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降.针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善算法对异常和背景数据的描述能力;同时为抑制错误样本的影响,将异常和背景样本偏离背景样本均值的距离映射作为各样本的加权系数.结果表明,新算法在低虚警概率下较之SVDD模型有更高的检测概率.利用真实数据进行实验证明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤俊杰	电子工程学院电子系	3	8	2.0	2.0