联合盲分解与稀疏表达的高光谱图像异常目标检测

黄远程, 钟燕飞, 赵野鹤, 朱卫恒

黄远程, 钟燕飞, 赵野鹤, 朱卫恒. 联合盲分解与稀疏表达的高光谱图像异常目标检测[J]. 武汉大学学报 ( 信息科学版), 2015, 40(9): 1144-1150. DOI: 10.13203/j .whu g is20140575
引用本文: 黄远程, 钟燕飞, 赵野鹤, 朱卫恒. 联合盲分解与稀疏表达的高光谱图像异常目标检测[J]. 武汉大学学报 ( 信息科学版), 2015, 40(9): 1144-1150. DOI: 10.13203/j .whu g is20140575
shu
huangyuanchen g, zhongyan f ei, zhaoyehe, zhu weihen g. jointblindunmixin gands p arsere p resentationforanomal y detectioninh yp ers p ectralima g e[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1144-1150. DOI: 10.13203/j .whu g is20140575
Citation: huangyuanchen g, zhongyan f ei, zhaoyehe, zhu weihen g. jointblindunmixin gands p arsere p resentationforanomal y detectioninh yp ers p ectralima g e[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1144-1150. DOI: 10.13203/j .whu g is20140575
shu

联合盲分解与稀疏表达的高光谱图像异常目标检测

  • 1西安科技大学测绘科学与技术学院,陕西 西安,710054;2武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079

基金项目: 国家自然科学基金资助项目（ 61102112）;陕西省教育厅科研计划资助项目（ 2013jk0946）;测绘遥感信息工程国家重 点 实 验室开放基金资助项目（ 12r04）;对地观测技术国家测绘地理信息局重点实验室开放基金资助项目（ k201304）;西安科技大学培育基金资助项目（ 201205）。
详细信息
    作者简介:

    黄远程,博士,研究方向高光谱遥感、 图像处理与模式识别。

  • 中图分类号: p237.4;tp753

jointblindunmixin gands p arsere p resentationforanomal y detectioninh yp ers p ectralima g e

  • 1colle g eofgeomatics,xi ’ anuniversit yofscienceandtechnolo gy,xi ’ an710054,china;2stateke ylaborator yofinformationen g ineerin ginsurve y in g,ma pp in gandremotesensin g,wuhanuniversit y,wuhan430079,china

Funds: thenationalnaturalsciencefoundationofchina，no.611021121;scientificresearchpro g ramfundedb yshaanxiprovincialeducationde p artment，no.2013jk0946;theop enresearchfoundationpro g ramofstateke ylaborator yofinformationen-g ineerin ginsurve y in g，ma pp in gandremotesensin g，no.12r04;theop enresearchfoundationpro g ramforearthobservationofna-tionaladministrationofsurve y in g，ma pp in gandgeoinformation,no.k201304;thecultivationfundofxi＇anuniversit yofscienceandtechnolo gy，no.201205.

摘要

    摘要
  • 摘要: 应用高光谱图像进行异常目标检测是高光谱遥感最重要的应用之一,而异常目标检测算法最为关键的是对背景的描述。rx 等经典算法受制于对背景分布的高斯假设,因而在复杂背景条件下不能有效地提取出感兴趣的异常目标。本文提出了一种新的异常目标检测算法,不仅能够有效地检测出亚像元的异常目 标，同时以新的方式描述背景。算法首先针对异常检测先验信息不足的问题,采用盲分解方法建立描述背景的冗余字典,该字典是根据像元的纯净性定义估计的背景类端元束构成;然后采用稀疏回归计算每个像元的重建误差,以误差特征作为异常指数,误差越大越可能是异常;为了增强对可能异常目标的描述能力,应用了局 部近邻分析来增强目标在图像邻域的离群表达,从而获得最终的异常检测特征。算法将字典构造的全局性与地物的局部连续性结合,提高了异常目标检测的可靠性。采用不同混合比例模拟的亚像元数据和两幅真实数据进行实验,结果表明,算法不仅仅获得了比 rx 等经典算法更高的精度,同时在不同信噪比条件下表现稳健且抗噪能力强。
    Abstract: anomal ytar g etdetectionisanimp ortantissueinh yp ers p ectralremotesensin g，however，howtomodeltheback g roundisamostdifficultp roblem.thetraditionalrxal g orithmisrestrictedb ynon-g aussiandistributionoftheback g round.theob j ectiveofourworkistodevelo panewrobustanomal ydetectional g orithm.thisnewal g orithmwasabletofindsub-p ixeltar g ets;wealsop resentanewback g roundre p resentationmodel.theback g roundwasmodeledb yadictionar ycomp osedofrel-ativel yp ureback g roundendmemberbundlesthatwereconstructedb yablindunmixin gal g orithm.ever yp ixel intheh yp ers p ectral ima g ewasmodeledb ys p arsere g ressionusin gthedictionar y.there-constructionerrorwasusedasanomal yfeature;thosep ixelsthathavelar g ere g ressionreconstructionerrorsarethep otentialanomal ytar g ets.finall y,adualwindowbasednearestnei g hboranal y siswasusedtoenhancetheanomal ylikefeatures.thisal g orithmj oinedg lobalandlocal informationtog uar-anteethereliabilit y.ascomp aredtotheclassicalrxal g orithms,thep ro p osedal g orithmp erformedver ywellwithsimulateddata,inwhichthesub-p ixel tar g etwasconstructedb ytar g etandback g roundsi g nalswithdifferentmixedfractionandp ollutedb ynoise.tworealdataex p erimentsalsoconfirmedtheeffectiveness.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(17)

  • 期刊类型引用(10)

    1. 李茗欣，黄远程，竞霞，史孟琦. 融合视觉注意机制的高光谱RX异常检测算法. 红外技术. 2023(04): 402-409 . 百度学术
    2. 黄远程，薛园园，李朋飞. 高光谱影像子空间分析孤立森林异常目标探测方法. 测绘学报. 2021(03): 416-425 . 百度学术
    3. 成宝芝，赵春晖，张丽丽. 高光谱图像异常目标检测算法研究进展. 电光与控制. 2021(05): 56-59+65 . 百度学术
    4. 薛园园，黄远程，苏远超. 空间加权的孤立森林高光谱影像异常目标检测. 测绘科学. 2021(07): 92-98 . 百度学术
    5. 赵玉英，任明武. 基于SNMF聚类与类间可分性因子的高光谱波段选择. 计算机与数字工程. 2021(09): 1884-1888 . 百度学术
    6. 马春笑，黄远程，胡荣明，张春森. 多窗口融合判别子空间的高光谱图像异常检测. 应用科学学报. 2019(01): 64-72 . 百度学术
    7. 杨刚，孙伟伟，张殿发. 利用可分离非负矩阵分解实现高光谱波段选择. 武汉大学学报(信息科学版). 2019(05): 737-744 . 百度学术
    8. 胡学敏，余进，邓重阳，宋昇，陈钦. 基于时空立方体的人群异常行为检测与定位. 武汉大学学报(信息科学版). 2019(10): 1530-1537 . 百度学术
    9. 成宝芝，赵春晖，张丽丽，张健沛. 联合空间预处理与谱聚类的协同稀疏高光谱异常检测. 光学学报. 2017(04): 304-314 . 百度学术
    10. 孙伟伟，蒋曼，李巍岳. 利用稀疏自表达实现高光谱影像波段选择. 武汉大学学报(信息科学版). 2017(04): 441-448 . 百度学术

    其他类型引用(7)

    • 资源附件(0)
计量
  • 文章访问数:  1689
  • HTML全文浏览量:  48
  • PDF下载量:  1339
  • 被引次数: 17
出版历程
  • 收稿日期:  2014-07-27
  • 发布日期:  2015-09-04

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(17)
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68788631E-mail:whuxxb@vip.163.com

    我要投稿

    投稿攻略

    联系我们

    二维码

    本系统由北京仁和汇智信息技术有限公司开发  百度统计