首页|粗定位和协同表示的高光谱图像异常检测

粗定位和协同表示的高光谱图像异常检测

Rough location and collaborative representation for hyperspectral image anomaly detection

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 由于在军事和民用应用中的重要作用,高光谱遥感影像异常检测在过去的20～30年里一直都是备受关注的研究热点.然而,考虑到异常点往往藏匿于大量的背景像元之中,且只占据很少的数量,给精确检测带来了不小的挑战.针对此问题,基于异常点往往表现在高频的细节区域这一前提,本文提出了一种基于异常点粗定位和协同表示的高光谱遥感影像异常检测算法.方法 对输入的原始高光谱遥感影像进行空间维的降质操作;通过衡量降质后影像与原始影像在空间维的差异,粗略定位可能的异常点位置;将粗定位的异常点位置用于指导像元间的协同表示以重构像元;通过衡量重构像元与原始像元的差异,从而进一步优化异常检测结果.结果 在4个数据集上与6种方法进行了实验对比.对于San Diego数据集,次优算法和本文算法分别取得的AUC(area under curve)值为0.9786和0.9940;对于HYDICE(hyperspectral digital image collection equipment)数据集,次优算法和本文算法的AUC值为0.9936和0.9985;对于Honghu数据集,次优算法和本文方法的AUC值分别为0.9992和0.9993;对Grand Isle数据集而言,尽管本文方法以0.001的差距略低于性能第1的算法,但从目视结果图中可见,本文方法所产生的虚警目标远少于性能第1的算法.结论 本文所提出的粗定位和协同表示的高光谱异常检测算法,综合考虑了高光谱遥感影像的谱间特性,同时还利用了其空间特性以及空间信息的先验分布,从而获得异常检测结果的提升.

胡静、赵明华、李鹏、李云松

展开 >

西安理工大学计算机科学与工程学院, 西安 710048

西安电子科技大学综合业务网及关键技术国家重点实验室,西安 710071

高光谱 遥感影像 异常检测 粗定位 协同表示

61901362112-4259200212019JQ-729112/256081809

2021

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2021.26(8)
  • 34