利用NSCT和空间聚类的高光谱图像全局异常检测

摘要

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。