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.pdf

第２９卷第４期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．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 ｉｍｐｌｅｍｅｎｔｅｄｏｎｌｏｗｄｉｍｅｎｓｉｏｎａｌｄｅｎｏｉｓｅｄｄａ