基于改进RX增量学习的高光谱图像异常检测

摘要

高光谱图像的异常检测是星上处理中重要的研究内容之一,提出了一种在传统RX算法基础上结合增量学习和层级化的高光谱图像异常检测方法。采用增量学习,当生成新的协方差矩阵时不需要计算所有样本的协方差矩阵即可对检测器模型进行更新,避免了数据的重复计算和逆矩阵的求解。利用层级化方法有效地抑制背景,提取目标光谱,增强了检测器的性能。实验结果表明:相较于SAM算法和传统RX算法,所提算法检测概率最高,其检测结果与地面目标最为接近;所提算法的计算复杂度得到了数量级的减弱,与SAM算法相比,运行时间缩短了0.215 s,因此具有更高的检测速度,占用更少的星上资源,优于传统的RX算法。