基于改进最小噪声分离变换的异常检测算法

王坤; 屈惠明

doi:10.7510/jgjs.issn.1001-3806.2015.03.022

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进最小噪声分离变换的异常检测算法

王坤 , 屈惠明

文章导航 > 激光技术 > 2015 > 39(3): 381-385

引用本文:

Citation:

基于改进最小噪声分离变换的异常检测算法

王坤,
屈惠明^,

1.
南京理工大学电子工程与光电技术学院, 南京 210094

作者简介: 王坤(1989-),男,硕士研究生,从事高光谱异常检测及其在隐身评估方面的研究。.

通讯作者: 屈惠明, huimingqu@163.com

基金项目:
十二五装备预研资助项目(62201050103);国家自然科学基金资助项目(61171164)
中图分类号: TP751.1

Anomaly detection method based on improved minimum noise fraction transformation

WANG Kun,
QU Huiming^,

1.
School of Electronic and Optical Engineering, Nanjing University of Science ＆ Technology, Nanjing 210094, China

Corresponding author: QU Huiming, huimingqu@163.com

CLC number: TP751.1

摘要: 为了降低噪声对高光谱异常检测结果的影响以及提高异常检测率,提出了一种基于改进最小噪声分离(MNF)变换的新型高光谱异常检测算法。首先对传统的MNF变换进行改进,采用加权邻域均值法对噪声矩阵进行估计,对邻域内每一个像元给予一个特定的权值,提高背景像元在邻域矩阵中的比例,进而抑制噪声像元的比例,通过差值计算提取噪声信息,然后应用改进的MNF变换对高光谱图像进行降维去噪处理,最后,将获取的低维去噪图像利用异常检测算法进行检测,并用真实的AVIRIS数据进行了测试。结果表明,该算法有更好的降维去噪效果,提高了异常检测率。
- 光谱学 /
- 最小噪声分离 /
- 加权邻域均值法 /
- 异常检测
Abstract: In order to reduce the influence of noise on the detection results of hyperspectral anomaly detection and improve the rate of anomaly detection,a new anomaly detection process based on improved minimum noise fraction (MNF) transformation was proposed. Firstly, to improve the traditional MNF transform, the weighted neighborhood averaging method was used to estimate the noise matrix,a specific weight was given to each pixel of the neighbor matrix for increasing the portion of background pixels and suppressing the noise pixels in the sample matrix. It was an effective way to extract noise information by calculating the difference. Secondly, improved MNF transform was used to reduce the dimension of hyperspectral image data and to separate the noise from signals effectively.Finally, anomaly detection algorithm was implemented on low-dimensional denoised data. After actual test of AVIRIS data, the results show that the improved algorithm has better effect of reducing the dimension and separating the noise, and the rate of anomaly detection is improved significantly.
- spectroscopy /
- minimum noise fraction /
- weighted neighborhood averaging method /
- anomaly detection

[1]	PU R L, GONG P. Hyperspectral remote sensing and application [M].Beijing: Higher Education Press, 2000:22-26 (in Chinese).
[2]	MEI F, ZHAO Ch H. A novel spectral similarity measurement kernel based anomaly detection method in hyperspectral imagery[J]. Acta Photonica Sinica, 2009,38(12):3165-3170(in Chinese).
[3]	ZHANG L Y, YAO P. Hyperspectral image low probability anomaly detection method research based on vertex component analysis[J]. Journal of Astronautics, 2007, 5(9):1262-1265(in Chinese).
[4]	XIAO X B. Research of anomaly detection algorithms of hyperspectral imagery[D].Hangzhou: Zhejiang University, 2012:2-7(in Chin-ese).
[5]	REED I S, YU X L. Adaptive multiple-band CFAR detection of an optical pattern with.unknown spectral distribution[J].IEEE Transactions on Acoustics,Speech and Signal Processing,1990,38(10):1760-1770.
[6]	CHANG C I. Hyperspectral imaging: techniques for spectral detection and classification [M].New York,USA: Kluwer Academic,2003:256-268.
[7]	CHANG C I, CHIANG S S. Anomaly detection and classification for hyperspectral imagery[J].IEEE Transactions on Geoscience Remote Sensing,2002,40(6):1314-1325.
[8]	KWON H, NASRABADI N M.Kernel spectral matched filter for hyperspectral imagery [J].International Journal of Computer Vision,2007,71(2):127-141.
[9]	GREEN A A, BERMAN M, SWITZER P, et al. A transformation for ordering multispectral data in terms.of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing,1988,26(1):65-74.
[10]	GU H Y, LI H T, YANG J H. The remote sensing image fusion method based on minimum noise fraction [J]. Remote Sensing For Land Resources, 2007, 13(2):53-56(in Chinese).
[11]	WEI X F, LIU X. Research of image segmentation based on 2-D maximum entropy optimal threshold [J].Laser Technology, 2013, 37(4):519-522(in Chinese).

[1]	王强辉 , 华文深 , 黄富瑜 , 严阳 , 张炎 , 索文凯 . 基于光谱角背景纯化的高光谱异常检测算法. 激光技术, 2020, 44(5): 623-627. doi: 10.7510/jgjs.issn.1001-3806.2020.05.016
[2]	付翔 , 乐文冉 , 王颖 , 汪亚 , 邹林 , 邓志峰 , 占生宝 . 基于凹面光栅的光谱检测仪性能提升的研究进展. 激光技术, 2023, 47(6): 757-765. doi: 10.7510/jgjs.issn.1001-3806.2023.06.005
[3]	陆俊 , 高淑梅 , 熊婕 , 杨幼益 , 陈国庆 . 女性尿液荧光光谱学特性及机理分析. 激光技术, 2010, 34(1): 45-47,84. doi: 10.3969/j.issn.1001-3806.2010.01.013
[4]	曾言 , 曾延安 , 张南洋生 , 赵宇 , 龙建明 . 一种改善成像光谱仪光谱检测能力的新方法. 激光技术, 2018, 42(2): 196-200. doi: 10.7510/jgjs.issn.1001-3806.2018.02.011
[5]	林伟豪 , 高致慧 , 杨勇 , 黄必昌 , 贺威 . 基于激光光谱差分法检测NO2. 激光技术, 2014, 38(6): 835-838. doi: 10.7510/jgjs.issn.1001-3806.2014.06.024
[6]	罗泽鹏 , 黄佐华 , 唐志列 . 用光声光谱法测量紫外光探测器的光谱响应. 激光技术, 2008, 32(5): 453-455,459.
[7]	赵佳乐 , 王广龙 , 周冰 , 应家驹 , 王强辉 , 李秉璇 . 基于边缘剔除的陆基高光谱图像噪声评估方法. 激光技术, 2023, 47(1): 121-126. doi: 10.7510/jgjs.issn.1001-3806.2023.01.019
[8]	郑彩英 , 郭中华 , 金灵 . 高光谱成像技术检测冷却羊肉表面细菌总数. 激光技术, 2015, 39(2): 284-288. doi: 10.7510/jgjs.issn.1001-3806.2015.02.029
[9]	宫德宇 , 李留成 , 厉宝增 , 多丽萍 , 王元虎 , 马艳华 , 张治国 , 金玉奇 . NH₃的腔增强吸收光谱检测技术. 激光技术, 2017, 41(5): 664-668. doi: 10.7510/jgjs.issn.1001-3806.2017.05.009
[10]	刘燕德 , 徐海 , 孙旭东 , 饶宇 . 西红柿成熟度的近红外漫透射光谱无损检测. 激光技术, 2019, 43(1): 25-29. doi: 10.7510/jgjs.issn.1001-3806.2019.01.006
[11]	修俊山 , 董丽丽 , 林杉 , 李季远 . LIBS与其它原子光谱技术在机油检测中的研究进展. 激光技术, 2018, 42(4): 505-510. doi: 10.7510/jgjs.issn.1001-3806.2018.04.014
[12]	郝晓剑 , 孙永凯 . 激光诱导击穿光谱用于煤中多元素同步检测. 激光技术, 2020, 44(1): 119-124. doi: 10.7510/jgjs.issn.1001-3806.2020.01.021
[13]	杨桄 , 田张男 , 李豪 , 关世豪 . 基于线性解混的高光谱图像目标检测研究. 激光技术, 2020, 44(2): 143-147. doi: 10.7510/jgjs.issn.1001-3806.2020.02.001
[14]	朱潘雨 , 黄敏 , 赵鑫 . 基于SMOTE-UVE-SVM的小麦种子纯度高光谱图像检测. 激光技术, 2024, 48(2): 281-287. doi: 10.7510/jgjs.issn.1001-3806.2024.02.021
[15]	蔡彦 , 吴尚谦 , 伍昂 , 翟维 , 董跃辉 . 波长调制光谱检测下限计算方法的研究. 激光技术, 2012, 36(3): 390-393,397.
[16]	欧阳爱国 , 蔡会周 , 李斌 , 刘刚 . 玉米粉中苯甲酸的太赫兹光谱定量检测研究. 激光技术, 2020, 44(4): 478-484. doi: 10.7510/jgjs.issn.1001-3806.2020.04.014
[17]	何欣龙 , 王继芬 . 牛顿插值多项式-导数光谱无损检测车用保险杠. 激光技术, 2020, 44(3): 333-337. doi: 10.7510/jgjs.issn.1001-3806.2020.03.011
[18]	康虎 , 张夏 , 郑世杰 , 邵犁 , 冯国英 . 基于调制激光光谱吸收的高稳定性气体检测. 激光技术, 2024, 48(2): 145-152. doi: 10.7510/jgjs.issn.1001-3806.2024.02.001
[19]	付奎 , 娄本浊 , 孙彦清 , 龙姝明 , 黄朝军 . Zn0.95-xBe0.05MnxSe稀磁半导体的光谱特性分析. 激光技术, 2015, 39(1): 135-139. doi: 10.7510/jgjs.issn.1001-3806.2015.01.027
[20]	徐永浩 , 宋彪 , 陈晓帆 , 黄梅珍 . 微型近红外光谱仪在苹果糖度测量中的应用研究. 激光技术, 2019, 43(6): 735-740. doi: 10.7510/jgjs.issn.1001-3806.2019.06.001

点击查看大图

计量

文章访问数: 3990
HTML全文浏览量: 14824
PDF下载量: 697
被引次数: 0

基于改进最小噪声分离变换的异常检测算法

王坤
屈惠明^,

通讯作者: 屈惠明, huimingqu@163.com

作者简介: 王坤(1989-),男,硕士研究生,从事高光谱异常检测及其在隐身评估方面的研究。

1. 南京理工大学电子工程与光电技术学院, 南京 210094

收稿日期: 2014-04-18
录用日期: 2014-07-29
网络出版日期: 2015-05-25

基金项目: 十二五装备预研资助项目(62201050103);国家自然科学基金资助项目(61171164)

关键词:

摘要: 为了降低噪声对高光谱异常检测结果的影响以及提高异常检测率,提出了一种基于改进最小噪声分离(MNF)变换的新型高光谱异常检测算法。首先对传统的MNF变换进行改进,采用加权邻域均值法对噪声矩阵进行估计,对邻域内每一个像元给予一个特定的权值,提高背景像元在邻域矩阵中的比例,进而抑制噪声像元的比例,通过差值计算提取噪声信息,然后应用改进的MNF变换对高光谱图像进行降维去噪处理,最后,将获取的低维去噪图像利用异常检测算法进行检测,并用真实的AVIRIS数据进行了测试。结果表明,该算法有更好的降维去噪效果,提高了异常检测率。