高光谱图像异常探测导读

欢迎学习交流！
邮箱： z…@1…6.com
网站： https://zephyrhours.github.io/

导读

高光谱影像异常目标探测作为一个小众的研究方向，很少有博客写这方面的文章，因此，对于新手而言，相关的资料非常重要。而国内目前在从事这个方向的人也是屈指可数，本人在思考了很久之后，才决定开一个自己的博客，专注于科学研究方面，将自己这几年来的学习心得分享给大家，希望对你有所帮助。

高光谱图像处理的两个主要任务

20世纪80年代以前，由于成像方式的遥感波段太少，因此当时的遥感被称为多光谱遥感，然则，这种成像方式由于波段数目太少，难以将光谱信息匹配到具体的地物身上，因此只是简单的应用其提供的纹理、几何信息。随后发展起来的成像光谱仪在技术上创新，将成像光谱仪的光谱分辨率提升到了纳米级，从而获得了大量的光谱信息，将遥感影像与光谱信息合一。因此这种在技术上和概念上的创新，成为了20世纪80年代以来地球观测技术所取得的重大突破之一，使得光学遥感技术成功的向前迈进了一大步。因而有了后期的高光谱在各个领域的发展。

高光谱遥感图像以及从每个像元上提取的精细的光谱曲线都包含了丰富的地物信息内容，以往全色或者多光谱图像的一些处理算法甚至主要分析手段都已经难以满足高光谱遥感图像处理的要求。高光谱遥感图像处理是高光谱遥感数据应用的基础，高光谱图像分类与目标探测是高光谱图像处理中的两个主要任务。

在高光谱图像处理中，分类与目标探测作为两个非常重要的研究方向，它们的发展对于各个领域的应用都有着非常重要的意义。如何从众多的波段、海量的光谱图像数据中通过处理来提取我们需要的信息，又如何平衡光谱的高维数与有限图像训练样本之间的关系，成为当前高光谱遥感技术与应用领域的研究热点。

高光谱图像异常探测

基于高光谱图像的目标探测是高光谱遥感应用的重要方向之一，涵盖了环境检测、城市调查、矿物填图和军事侦察等众多领域，与传统的基于高空间分辨率的遥感影像的目标检测算法不同，高光谱遥感图像目标探测主要是依据目标与地物在光谱上存在的差异进行检测识别。由于受到目标尺寸和地物复杂性的影响，感兴趣的目标在高光谱图像中往往处于亚像元级或者弱信息状态，传统的基于空间形态的目视解译方法无法实现对这类目标的探测识别，因此有必要发展适用于高光谱遥感的目标探图像处理技术。

传统的目标探测算法需要事先知道目标的先验光谱信息，但是在实际操作中，研究者往往很难找到这些信息。因此，如何在没有先验光谱信息的情况下完成目标的探测也就成为了当前研究的重点，这种没有先验知识的目标探测算法，即非监督的目标探测算法又称之为异常探测。

这里对于刚刚接触的人来说，往往很难理解究竟什么才是“异常”，而异常探测算法中具体探测的“异常”又是什么。下面笔者用一些简单的话来进行介绍。所谓的“异常”其实在高光谱异常探测领域中并没有给出具体的定义，这里是一个泛指的概念，“异常”并不是指某种具体的地物，它可以是一个像素，也可以是多个像素，可以是一种地物，也可以是多种不同的地物，只要是不同于周围背景的地物都可以称之为“异常地物”。举个简单的例子，飞机场中的飞机，高速公路上的汽车，湖泊中的船只等等，这些与周围背景不同的地物都可以称为“异常”。异常探测的原理其实就是根据数学和物理模型来筛选出整个背景中的不同地物。这与在很多黄豆中筛选石头是一个原理，石头就是黄豆中的异常，当然了，如果黄豆中还含有少量不同的豆子，如花生豆，这些少量的花生豆也是所谓的异常。还有一点需要非常注意的是，对于异常地物，它在整幅影像中出现的概率往往是很低的，其所占比例要小于10%，通常要远小于这个数字 。在高光谱异常探测中，所谓的“异常像元”就是指不同于周围背景地物光谱曲线的“像元”，在实际应用中，异常地物是根据需要来进行定义的，异常探测可以作为目标探测的前期筛选工作，在大场景影像中，快速筛选出疑似目标地物，然后根据目标光谱的先验信息进行匹配就可以快速找到需要的目标地物。

下面介绍两种简单的算法，这是异常探测算法中非常经典的探测算法，也是学习高光谱异常探测必须要掌握的。

如何将书本中公式转化为代码，也是研究僧的童鞋们科研学习中必备的一个技能！在高光谱异常探测领域，由Reed 和Xiao Yu 在1990年发展起来的RXD（Reed-Xiao Detector, RXD）探测算法作为经典探测算法，几乎在很多论文中都会引用，并将其作为对比实验算法。这个方法非常简单，适合刚刚学习的童鞋们。下面就是这个经典的探测算法的公式：

其中算法的探测过程是按照逐个像元进行的，整幅影像的探测结果是一个二维图像。即每一个像元（一个列向量）在经过上述公式的探测过程后，由原来的输入信息x(一个列向量)，转变为一个数字y（这里数值y也可以理解为一个探测的概率，实际上不是概率，因为它的值不是介于0-1之间，但是可以这么理解）。公式中的另miu和delta分别表示整幅影像的均值向量和波段与波段之间的协方差。可能刚刚学习的童鞋门不知如何进行具体的操作，下面是笔者自己编写的关于GRX算法的代码，有需要的可以进行下载，通过代码结合公式来进行学习了解可能效果会更好些！
具体代码：https://download.csdn.net/download/nbdwo/11830191
下面是关于LRX算法的公式：

其中LRX算法不一定是8个像元，这种介绍方法只是其中的单窗口算法，还有一种就是采用双窗口算法的LRX探测公式，其原理是一样的。
这两种算法是非常经典的探测算法，初学者可以试着自己去操作实现一下，将书本或者论文中的算法实现也是研究生必备的一个基本技能。
具体代码：https://download.csdn.net/download/nbdwo/11830201

结束语

我会将两种算法的matlab代码分享至我的博客中，如果笔者的文章对你有用，或者你需要代码可以到笔者博客主页中相应板块下载代码。
下面推荐2本书非常适合做高光谱影像异常探测的同学么进行入门的学习！

[1] 张兵, 高连如. 高光谱图像分类与目标探测[M]. 科学出版社, 2011.
[2] Chein-I Chang. Hyperspectral Imageing Techniques for Spectral Detection and Classification.