(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210972870.X (22)申请日 2022.08.15 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 李欢　刘志宇　宋江鲁奇 　周慧鑫　 唐骏　滕翔　杨庆友　王财顺　 梅峻溪　白宇婷　于跃　罗云麟　 甘长国　朱贺隆　张伟鹏　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 段俊涛 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/77(2022.01)G06V 10/46(2022.01) (54)发明名称 一种基于空-谱 联合显著 性特征表达的高光 谱异常检测方法 (57)摘要 本发明涉及一种基于高光谱图像的异常检 测方法， 本发明基于空 ‑谱联合显著性特征表达 的方法对高光谱图像进行异常检测。 具体方法包 括： 首先通过联合双窗结构与改进光谱距离计算 的光谱特征提取方法完成光谱特征的提取， 同时 通过基于数据降维与 曲率滤波的空间特征提取 方法完成空间特征的提取， 其次联合两种不同属 性特征获得空 ‑谱初始特征。 最后通过基于前后 文感知的高光谱显著性检测方法进行异常检测， 从而获得异常检测结果。 权利要求书3页 说明书6页 附图3页 CN 115393711 A 2022.11.25 CN 115393711 A 1.一种基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 包 括如下步骤： 步骤1， 对原始高光谱图像采用双窗口结构进行背景估算， 计算局部背景和待测像素之 间的光谱距离； 步骤2， 通过滑动双窗口结构计算每一个像素对应光谱维度与周围背景之间的相对光 谱差异， 得到初始光谱特 征图； 步骤3， 通过主成分分析法， 去除原始高光谱图像 中的冗余信 息得到多个波段的降维后 图像， 然后对多个波段的降维后图像进行加权融合， 得到融合的降维后图像； 步骤4， 对融合的降维后图像， 采用全变分曲率滤波进行能量最小化计算， 获得高光谱 初始空间特 征图， 即二维地物分布特 征图； 步骤5， 将步骤2得到的初始光谱特征图与步骤4得到的高光谱初始空间特征图进行融 合， 获得高光谱空 ‑谱初始联合特 征图； 步骤6， 采用基于前后文感知的高光谱显著性异常特征检测方法对步骤5得到的高光谱 空‑谱初始联合特 征图中的目标进行检测， 得到检测结果。 2.根据权利要求1所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 所述步骤1， 原始高光谱图像Y∈RM×N×B中坐标(i,j)处像素， 对应光谱曲线为l， 以该点为中心点引入双窗结构， 求取内外窗口之间像素的平均光谱曲线lmean， 按如下公式 计算l与lmean之间的光谱距离即局部背景与待测像素之间的光谱距离d(X,Y)， 作为(i,j)处 像素对应初始光谱特 征值： 其中， M表示 高光谱图像中包含的行数， N表示高光谱图像中包含的列数， B为波段数， X， Y为两个不同向量， n为向量包含维度数， 一维向量X＝[x1,x2,x3,…,xk,…,xn]、 Y＝[y1,y2, y3,…,yk,…,yn]， num为自适应权 重系数， 根据下式确定num的值： 3.根据权利要求2所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 所述步骤2中， 在 对每一个像素依次完成计算之后， 得到一个二 维特征矩阵， 即 初始光谱特 征图Rspectrum∈RM×N。 4.根据权利要求1所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法，权　利　要　求　书 1/3 页 2 CN 115393711 A 2其特征在于， 所述 步骤3， 包括： 步骤3.1， 采用PCL降维算法对原始高光谱图像进行降维处理， 降维后数据维数为m， m个 特征向量对应m个最大特征值， 分别为{ λ1, λ2,…, λm}， 特征矩阵中对应特征向量{ W1,W2,…, Wm}组成新的投影矩阵； 步骤3.2， 利用步骤3.1中得到的投影矩阵与原始高维数据计算得到相应m个二维图像， 即前m个主成分{Y1,Y2,…,Ym}， 也即m个波段的降维后图像， 其包含了原始高光谱图像中的 大部分特 征； 步骤3.3， 根据下式， 对m个波段的 降维后图像根据其对应特征值大小进行加权融合， 得 到融合的降维后图像， 即具有代 表性的二维地物分布初始特 征图Yfinal： 5.根据权利要求4所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 所述步骤3.1， 降维后数据维数m根据特征值对应向量信息量贡献大小选择， 当 前m个最大特征值对应主成分累积信息贡献率达到设定阈值之后， 保留这m个主成分数据， 从而完成数据降维。 6.根据权利要求4所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 所述阈值 为97％。 在本算法中， 当前m个特征值累加大于97％时， 不再继续保留后续较低特征值对应主成 分数据， 即保留前m个累计信息贡献率达 到97％以上的主成分数据。 7.根据权利要求4所述基于空 ‑谱联合显著性特征表达的高光谱图像的异常检测方法， 其特征在于， 所述 步骤4， 包括： 步骤4.1， 根据如下公式计算全变分曲率滤波构建投影算子d1～d8： 式中， O代表待处理二维矩阵图像； O(i,j)为图像中对应位置坐标为(i,j)处像素信息； O(i+1,j‑1)为图像中对应位置坐标为(i+1,j ‑1)处像素信息； O(i+1,j)为图像中对应位置 坐标为(i+1,j)处像素信息； O(i+1,j+1)为图像中对应位置坐标为(i+1,j+1)处像素信息； O权　利　要　求　书 2/3 页 3 CN 115393711 A 3