基于粒子群优化聚类的高光谱图像异常目标检测
高光谱图像的高维特性增加了图像的信息量,但是同时也带来了“维数灾难”问题.在高光谱图像异常目标检测过程中,如何更好降低维数,去除波段冗余性和最大程度抑制背景干扰成为亟需要解决的问题.针对此,本文提出了基于粒子群优化(PSO)聚类的高光谱图像异常目标检测算法.算法首先利用粒子群方法对传统的k-均值聚类进行优化,在不改变高光谱图像波段特征的基础上用新的聚类方法对图像进行了波段子集类划分,使得具有相似特性的波段归为一类;然后,通过主成分分析(PCA)变换使得聚类后的图像数据中含有的异常目标变得突出,同时抑制背景干扰;最后,提取各子集主成分中含有最大四阶累积量值的波段,构成最优波段子集,并与核RX算法结合进行异常检测.利用真实的AVIRIS高光谱图像对算法进行仿真,结果表明,算法检测精度高,虚警率低.
高光谱图像、异常目标检测、粒子群优化(PSO)、四阶累积量
24
TP751.1(遥感技术)
黑龙江省教育厅科学技术研究12533001
2013-12-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
2047-2054