江帆， 张晨洁

(1.苏州工业园区工业技术学校，苏州 215123; 2.长春理工大学，长春 130022)

利用NSCT和空间聚类的高光谱图像全局异常检测

江帆1， 张晨洁2

(1.苏州工业园区工业技术学校，苏州 215123; 2.长春理工大学，长春 130022)

在复杂背景干扰下，高光谱图像异常检测虚警率较高。针对这一问题，提出了结合非下采样contourlet变换(nonsubsampled contourlet transform，NSCT)和空间聚类的基于支持向量数据描述(support voctor data description,SVDD)的异常检测算法。首先通过对高光谱数据进行NSCT分解，得到含有绝大部分背景信息的低频图像，与原始图像进行差运算，获取背景残差图像，以此抑制背景信息的干扰； 然后采用空间聚类法对低频图像进行聚类分割，获得各子区域的特征光谱作为SVDD训练样本进行背景建模，克服异常像元与图像随机噪声对SVDD背景建模的影响，同时降低计算量； 最后利用得到的SVDD模型对背景残差图像进行异常检测。实验结果表明，算法抑制了复杂背景的干扰，降低了虚警率，更适用于高光谱图像全局异常检测。

高光谱图像； 异常检测； NSCT； 空间聚类； 支持向量数据描述

0 引言

高光谱图像具有很高的光谱分辨率，“图谱合一”的特性在目标识别上具有得天独厚的优势[1]。高光谱图像异常目标检测因不需要目标的先验信息，被广泛地应用于军事侦察和民用探测等方面，近年来成为国内外研究的热点[2-3]。

按照所参照背景范围大小的不同，高光谱异常检测可分为局部异常检测与全局异常检测。常用的局部异常检测算法有RX算法和KRX算法，以及一系列的改进算法LPD，UTP，MRXD和CRXD等[4-5]。……