基于联合空间预处理和谱聚类的协同稀疏高光谱异常检测

简介：
本研究提出了一种结合联合空间预处理与谱聚类的协同稀疏模型，用于提升高光谱图像中的异常目标检测精度。该方法通过优化特征表示来增强异常检测能力，并在实验中验证了其有效性。 为解决稀疏表示在高光谱图像异常目标检测中的低效率问题，本段落基于高光谱成像原理及图像结构特性，充分利用其空间特性和光谱特征，并建立两者间的协同处理机制，提出了一种联合空间预处理与谱聚类的协同稀疏方法用于高光谱图像中异常目标的检测。首先对高光谱图像的空间属性进行分析并结合其光谱信息实施空间预处理，以提高异常目标识别效果；采用基于图划分原理的谱聚类技术来分割波段子集，该算法具备快速收敛至全局最优解的优势；进而利用创新的空间和光谱协同稀疏差异指数方法对各子集执行异常检测任务。这种协同稀疏方式充分考虑了高光谱图像中空间与光谱特征，并通过对每个波段子集的检测结果进行叠加来得出最终的整体异常目标位置。 实验部分采用真实的AVIRIS高光谱数据和合成的数据进行了算法验证及效果分析，表明所提出的方法具有良好的稳健性和较高的检测精度以及较低的误报率。