TY - JOUR ID - 10.11834/jrs.20222004 TI - 融合自适应窗口显著性检测和改进超像素分割的高光谱异常检测 AU - 钱晓亮 AU - 曾银凤 AU - 林生 AU - 张博 AU - 任航丽 AU - 王慰 VL - IS - PB - 科学出版社 SP - EP - PY - JF - 遥感学报 JA - UR - http://jors.ijournals.cn/jrs/ch/reader/view_abstract.aspx?file_no=202201040000001&flag=2 KW - 异常检测,高光谱图像,正交投影散度,超像素分割,自适应窗口,显著性检测 KW - anomaly detection KW - hyperspectral image KW - orthogonal projection divergence KW - superpixel segmentation KW - adaptive window KW - saliency detection AB - 高光谱异常检测旨在识别与周围像素具有显著光谱差异的像素,由于不需要先验光谱信息的特点,其在军事和民用领域发挥重要价值。实现高光谱异常检测的一个重要手段是局部对比度计算,现有方法通常采用双窗口法进行计算,然而,窗口尺寸通常依据经验值进行手工设定,泛化能力不足。为了解决上述问题,本文提出了一种融合自适应窗口显著性检测和改进超像素分割的高光谱异常检测方法。该方法先利用对抗自编码网络对高光谱图像进行降维,以降低模型计算复杂度。其次,引入正交投影散度来改进超像素分割中的光谱距离度量方式,提升分割精度。然后,提出一种自适应窗口显著性检测算法来初步定位异常目标,该算法依据超像素分割结果来自适应确定双窗口,提高显著性检测的精度和泛化能力。最后,采用域变换递归滤波和阈值化操作对初始检测结果进行后处理,降低虚警率。消融实验表明,本文所提基于正交投影散度的改进超像素分割算法较基于传统光谱距离度量方式的算法性能更优,所提自适应窗口显著性检测算法的性能优于传统手工设定窗口尺寸的算法;与7种流行算法的主、客观对比实验表明,本文方法在总检测精度和异常-背景像素分离度上均优于流行算法。综上所述,本文所提改进超像素分割算法能提升现有高光谱图像超像素分割的效果,以此为基础所设计的自适应窗口显著性检测算法不仅能克服现有双窗口算法泛化能力不足的问题,还能获得优于流行算法的异常检测效果。 ER -