基于选择性分段行 列二维主成分分析的高光谱图像异常检测

高光谱图像具有越来越高的空间和光谱分辨率,其带来了数据量大、相关性强和冗余度高的问题,使得异常检测结果精度不高。为了选择更加有利于异常检测的图像,运用二维主成分分析(2DPCA)方法降维,并引入局部联合偏度-峰度指数进行图像选择,提出了一种基于选择性分段2DPCA的高光谱图像异常检测方法。首先利用相关系数对原始图像进行分段,然后通过旋转数据结构在每个波段子空间中实现行-列二维主成分降维;再选择合适大小的窗口,遍历每个降维结果的主成分,计算窗口内的局部联合偏度-峰度指数,并以此为指标选择用于异常检测的图像。实验结果表明,所提方法的接收机工作特性(ROC)曲线、曲线下面积(AUC)值和Bhattacharyya距离值均优于其他传统的方法,因此具有更好的检测性能。