基于主成分建模的SVDD高光谱图像异常检测.pdfVIP

第9卷第 3期 智 能 系 统 学 报 Vo1．9№ ．3 2014年 6月 CAAITransactionsonIntelligentSystems Jun．20l4 DOI：10．3969／j．issn．1673—4785．201309081 网络出版地址：http：／／www．cnki．net／kcms／doi／10．3969／j．issn．1673—4785．201309081．html 基于主成分建模的SVDD高光谱 图像异常检测 曾现灵 ，张立燕 ，胡荣华 (1．首都师范大学 资源环境与地理信息系统北京市重点实验室，北京 100048；2．首都师范大学 三维信息获取与应 用教育部重点实验室，北京 100048) 摘 要：针对SVDD背景建模时混人异常点造成的检测率下降的问题，提出了基于主成分建模的SVDD方法并应用 于高光谱图像异常检测 。利用高光谱图像的光谱特征提取背景的主要成分，并分别对不同成分构建超球体 ，形成单 种背景成分SVDD模型，最后利用综合决策函数对单个SVDD背景模型进行综合判断待检测像元，从而实现高光谱 图像异常像元的检测。用仿真数据和真实数据对算法的性能进行验证 ，并将其与SVDD方法进行性能比较。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，实验结果证明了算法的有效性。 关键词：主成分建模；SVDD；局部邻域聚类；光谱角余弦；高光谱异常检测 中图分类号：TP751 文献标志码 ：A 文章编号：1673—4785(2014)03—0343—06 中文引用格式：曾现灵。张立燕。胡荣华．基于主成分建模的SVDD高光谱图像异常检测 【J]．智能系统学报。2014，9(3)：343-348． 英文引用格式：ZENGXianling，ZHANGLiyan。HURonghua．AnSVDDalgorithmforhyperspectralanomalyde~cfionbasedon principalcomponentmodeling[J]．CAAITransactionsonIntelligentSystems。2014，9(3)：3433·48． An SVDD algorithm forhyperspectralanomalydetectionbased onprincipalcomponentmodeling ZENG Xianling ，ZHANG Liyan ，HU Ronghua (1．KeyLaboratoryofResourceEnvironmentandGISofBeijing，CapitalNormalUniversity，Beijing100048，China；2．KeyLaboratory of3DInfomrationAcquisitionandApplicationoftheMinistryofEducation，CapitalNomralUniversity，Beijing100048，China) Abstract：AnSVDD algorithm basedontheprincipalcomponentmodelingispresentedforhyperspectralanomaly detection，inordertosolvetheproblem ofitslow detectionratecausedbymixingabnormalpointsintheprocessof modelingbackground．Thismethodextractstheprincipalcomponentsofthebackgroundsamplesbyusingthehyper- spectralimage’Sspectralsignature，andthenusesthesedifferentcomponentstobuilddifferentsuperspheresre— spectively，fomr sdifferentsinglebackgroundcomponentSVDD mod