基于空譜聯(lián)合異常度的高光譜異常目標(biāo)檢測

張 炎，華文深，黃富瑜，王強(qiáng)輝，索文凱

陸軍工程大學(xué)石家莊校區(qū)電子與光學(xué)工程系，河北 石家莊 050003

引 言

高光譜遙感(hyperspectral remote sensing)興起于20世紀(jì)80年代，是一種融合光譜學(xué)理論與成像原理的前沿技術(shù)[1]。高光譜圖像的光譜分辨率達(dá)到了納米級別，具有大量波段，是一種“圖譜合一”的三維圖像。光譜特征能夠表達(dá)地物的本質(zhì)特性，在目標(biāo)檢測領(lǐng)域運用光譜特征進(jìn)行檢測更加可靠。由于光譜信息庫的不完善和大氣校正的困難，不需要先驗知識的異常目標(biāo)檢測應(yīng)用更加廣泛，成為了近年來的研究熱點[2]。

最經(jīng)典的異常目標(biāo)檢測算法是Reed等[3]在1990年提出的RX算法(reed-xiaoli detection，RXD)，最開始應(yīng)用于多光譜圖像，后來成為高光譜異常目標(biāo)檢測的基準(zhǔn)算法，其本質(zhì)是基于廣義似然比檢測的一種恒虛警率異常目標(biāo)檢測算法，通過計算背景的協(xié)方差矩陣和均值向量獲得被檢測像元與背景像元的馬氏距離，從而得到檢測結(jié)果。但由于異常目標(biāo)在高光譜圖像中尺寸較小，出現(xiàn)概率低，全局RX算法(global RX，GRX)的檢測精度較低，虛警率較高。為提高檢測效果，Taitano等[4]提出了一種局部RX算法(local RX，LRX),采用滑動雙窗口模型進(jìn)行檢測，有效提高了檢測精度。但由于RX算法及其改進(jìn)算法[5]本質(zhì)上屬于線性檢測算法，沒有挖掘出高光譜數(shù)據(jù)的非線性特性，檢測效果仍然不夠理想。Kwon等[6]通過引入核函數(shù)提出了KRX算法(kernel RX，KRX)，該算法是一種典型的非線性檢測算法，將線性不可分的原始數(shù)據(jù)投影到高維特征空間，增強(qiáng)了目標(biāo)和背景的差異性，提高了檢測精度，降低了虛警率。……