- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于最小噪声分离变换的高光谱异常检测方法研究 - 计算机应用与软件
第29卷第4期 计算机应用与软件 Vol29No.4
2012年4月 ComputerApplicationsandSoftware Apr.2012
基于最小噪声分离变换的高光谱异常检测方法研究
1 1 2
肖雄斌 厉小润 赵辽英
1(浙江大学电气工程学院 浙江杭州310027)
2(杭州电子科技大学计算机应用技术研究所 浙江杭州310018)
摘 要 RX算法和核RX算法能很好地分离目标和背景,是较为广泛使用的异常检测算法,但是高光谱图像数据量大且存在冗
余信息和噪声,直接进行RX及核RX异常探测运算量大且容易受噪声影响。针对此问题,提出一种基于最小噪声分离变换的高光
谱图像异常检测方法,首先采用残差分析法估计噪声协方差矩阵以改进最小噪声分离变换,然后利用改进后的最小噪声分离变换来
有效地降低高光谱图像数据的维数并分离出噪声,最后对低维降噪后的数据进行RX及核RX异常检测,避免了随机噪声对RX及
核RX异常检测结果的影响并提高了异常检测率。对真实的AVIRIS数据测试表明,该算法优于传统的相应的RX、核RX异常检测
算法。
关键词 异常检测 最小噪声分离 残差分析法 噪声协方差矩阵估计 RX KRX
中图分类号 TP391.41 文献标识码 A
ONANOMALYDETECTIONOFHYPERSPECTRALIMAGEBASED
ONMINIMUMNOISEFRACTION
1 1 2
XiaoXiongbin LiXiaorun ZhaoLiaoying
1(CollegeofElectricalEngineering,ZhejiangUniversity,Hangzhou310027,Zhejiang,China)
2(InstituteofComputerApplicationTechnology,HangzhouDianziUniversity,Hangzhou310018,Zhejiang,China)
Abstract TheRXandkernelRXalgorithmsarewidelyusedinanomalydetectionfortheirimprovementintheseparationbetweentarget
andbackgroundpixels.However,thehugedataandredundantnoiseofhyperspectralimagedatamakeitdifficulttoapplytheRXorkernel
RXanomalydetectiondirectlyduetoheavycomputationloadandsusceptibilityonnoiseimpact.Tosolvethisproblem,thispaperproposesa
novelanomalydetectionalgorithmforhyperspectralimagesbasedonminimumnoisefraction(MNF).Firstly,weuseresidualanalysis
methodfornoisecovariancematrixestimationtoimprovetheMNF.Secondly,theimprovedMNFisusedtoreducethedimensionof
hyperspectralimagedataandtoseparatethenoisefromsignalseffectively.Finally,theRXandkernelRXanomalydetectionsare
implementedonlowdimensionaldenoisedda
文档评论(0)