研究目的
为了解决传统RX异常检测方法在异常目标尺寸小于空间分辨率时性能受影响的问题,提出了一种分层RX(H-RX)异常检测框架。
研究成果
提出的分层高光谱异常目标检测方法(H - RX)在三个数据集上的实验结果表明,该方法较经典RX方法和其他近期亚像素异常检测方法有显著改进。该方法能有效抑制背景光谱,增大背景与异常目标光谱之间的差异。
研究不足
当丰度比小于0.25时,H-RX的性能会受到影响,此时亚像素异??赡鼙谎兔辉诒尘爸?。此外,云层、条纹噪声和地表覆盖区域等复杂背景也会降低检测性能。
1:实验设计与方法选择:
提出的H-RX方法由多层传统RX检测器串联构成,通过非线性函数根据当前层的异常分数抑制背景光谱。
2:样本选择与数据来源:
使用了三幅高光谱图像,包括两幅AVIRIS获取的海洋区域图像和一幅HYDICE获取的陆地区域图像。
3:实验设备与材料清单:
高光谱成像相机(AVIRIS和HYDICE)。
4:实验流程与操作步骤:
H-RX异常检测架构分为两个阶段:分层异常检测和空间域异常检测结果正则化。
5:数据分析方法:
基于接收者操作特征(ROC)曲线和曲线下面积(AUC)评分评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容