一种基于局部密度的高光谱异常检测背景纯化方法

• 作者: 姚淅峰 王鑫鹏 田明华 赵春晖
• 来源期刊: 中南大学学报（英文版）
• 关键词: 高光谱图像 异常检测 背景纯化 局部密度
• 年，卷（期）: 2018,（1）
• 页码范围: 84-94
• 页数: 11页
• 字数: 1263字
• 语种: 英文

摘要

在高光谱异常检测的基于背景的估计的研究中,背景中存在的异常像元会对背景估计的准确性产生不利影响,通过获得一个不包含异常目标的纯净背景可以有助于提高异常目标检测算法的检测率.因此,本文提出一种基于局部密度的背景纯化方法以去除背景中的异常像元.经典的RX算法 (Reed-Xiaoli detector,RXD) 在背景统计信息估计时,因初始背景中存在异常像元而产生失真现象.这使RX算法的检测结果具有较高的虚警率.在本文中,将像元的局部密度作为该像元的异常度标签,通过最大类间方差法去除初始背景中潜在的异常像元,最后可以得到更纯净的背景集.利用纯化背景得到更准确的背景统计信息,可以有效降低RX算法的虚警率.首先,通过度量一定半径内的光谱邻域,获得像元的局部密度,半径选取为距离矩阵的平均中位数;然后,基于局部密度设计了两步分割策略:第一步,将原始背景分割为一个包含大部分背景像元的集合及一个混合着背景像元和异常像元的小子集.第二步,利用最大类间方差法处理小子集,获得一个判别阈值,去除局部密度小于该阈值的像元,得到纯净的背景.最后,利用RX检测算法和基于协同表示的检测算法验证所提背景纯化算法的有效性.本文算法对于圣地亚哥海军基地数据和 SpecTIR 数据,AUC 值比 LRXD 分别提高了0.0246和0.0068,并且相比于其它算法有较高的检测率.实验结果说明,密度背景纯化方法有效抑制了异常点对背景数据的干扰,使背景协方差和均值等参数更准确,降低了虚警率.在计算密度时,需要人为设定半径值.对于两幅高光谱数据,在不同半径选择下DBRAD最大AUC差值为0.0088和0.0012,实验结果表明,人为选择半径值可能会对最后的检测效果造成较大影响.如何自适应选取半径将是下一步研究的重点.