Python实现Reed-Xiaoli(RX)高光谱异常检测算法

Reed-Xiaoli(RX)算法

import scipy.io as scio
import numpy as np
import matplotlib.pyplot as plt
import math
import time


def RXD(mat):
    XX, YY, band = mat.shape  # XX为图像的长度 YY为图像的高度 band为图像的波段数
    r = np.reshape(mat, (XX * YY, band))
    pxl_no = XX * YY
    K = np.cov(r.T)  # 得到矩阵r的协方差矩阵K，K为band乘band的矩阵
    IK = np.linalg.inv(K)  # IK为K矩阵的逆矩阵
    u = np.expand_dims(np.mean(r.T, axis=1), 0).T  # 求r矩阵即每一个波段所有像素的均值，u为均值列向量
    if XX >= 80:
        st = 200
        k = math.ceil(pxl_no / st)
        A = []
        for i in range(1, k + 1):
            replng = len(range(st * (i - 1) + 1, min(st * i, pxl_no) + 1))  # 实现RX算子所用的的列数
            A += [np.diag(np.dot(np.dot((r[st * (i - 1): min(st * i, pxl_no), :].T - np.repeat(u, replng, axis=1)).T, IK), (r[st * (i - 1): min(st * i, pxl_no), :].T - np.ones((1, replng)) * u)).T)]
    else:
        A = np.diag((r - np.ones((1, pxl_no)) * u).T * IK * (r - np.ones((1, pxl_no)) * u))
    result = np.reshape(A, (XX, YY))
    result = abs(result)
    return result


if __name__ == '__main__':
    t1 = time.time()
    dataFile = 'Airport.mat'
    data = scio.loadmat(dataFile)
    result = RXD(data['data'])
    t2 = time.time()
    print('time:', round(t2 - t1, 3), 's')
    plt.imshow(result)
    plt.show()