联合盲分解与稀疏表达的高光谱图像异常目标检测
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.
异常检测、稀疏表达、高光谱图像、重建误差、邻近分析
40
P237.4;TP753(摄影测量学与测绘遥感)
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.The National Natural Science Foundation of China,No.611021121;Scientific Research Program Funded by Shaanxi Provincial Education Department,No.2013JK0946;the Open Research Foundation Program of State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,No.12R04;the Open Research Foundation Program for Earth Observation of National Administration of Surveying,Mapping and Geoinformation,No.K201304;the Cultivation Fund of Xi'an University of Science and Technology,No.201205.
2015-10-23（万方平台首次上网日期，不代表论文的发表时间）
1144-1150
