基于虚拟背景光谱Hausdorff距离的高光谱异常检测及GPU实现
2018-08-27赵春晖李佳伟闫奕名
沈阳大学学报(自然科学版) 2018年4期
赵春晖, 李佳伟, 闫奕名, 宿 南
(哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001)
高光谱图像包含丰富的空间与光谱信息,具备对地物精细化处理和分析的能力,借助其特性能够区分地物光谱信息的细微差异[1].因此,目标检测在高光谱图像处理领域具有广泛应用.其中,异常目标检测无需先验信息,更具普适性,成为高光谱目标检测领域的研究热点[2-4].
Reed等提出的恒虚警率RX检测算子[5]被称为异常检测的经典算法.该算法通过求解目标与背景均值向量的马氏距离,构造全局似然比检测算子对高光谱像元逐一进行检测.RX算法需假设背景服从高斯正态分布模型,而实际地物分布是复杂多变的,因此RX检测算法的检测性能受到限制.基于滑动窗模型的局部RX检测器[6-7],通过利用数据的局部背景信息进行检测,与全局信息相比,局部背景信息更能满足假设模型,且可有效检测出局部异常小目标.但是对于背景较为复杂的数据,局部窗口仍难以表征出正态分布,且算法需多次求逆运算,算法的执行效率较低.根据背景信息可以由它的空间邻域信息线性表示,而异常目标不能表示的特点,Li等提出了一种基于协同表示的异常检测(Collaborative-Representation-Based Detector, CRD)算法[8].该算法得到了较好的检测性能,但与RXD算法一样,CRD算法容易受到背景中存在的异常目标和噪声的干扰,从而引起误判.
Hausdorff距离(HD)是一种极大极小距离, 是由非线性关系定义的, 具有非线性特性和有向性, 被广……
登录APP查看全文
