主要内容

anomalyRX

使用Reed-Xiaoli检测器检测异常

折叠所有页面

    语法

    rxScore = anomalyRX(inputData)

    描述

    例子

    rxScore= anomalyRX (inputData）使用Reed-Xialoi (RX)检测器检测高光谱数据中的异常像素。RX检测器为每个像素计算一个分数，作为像素与背景之间的马氏距离。分数越高说明可能有异常。背景通过数据立方体的谱均值和协方差来表征。有关计算分数和检测异常的详细信息，请参见算法．

    请注意

    此函数需要图像处理工具箱™高光谱成像库．您可以安装图像处理工具箱高光谱成像库从Add-On Explorer。有关安装外接程序的详细信息，请参见获取和管理外接组件．

    例子

    全部折叠

    这个例子使用了:

    打开实时脚本

    通过计算高光谱数据立方体中每个像素的RX分数来检测高光谱数据中的异常像素。然后利用RX得分值的累积概率分布计算出检测真实异常像素的阈值。

    将包含异常像素的高光谱数据读入工作区。

    超立方体(“indian_pines.dat”）;

    使用RX检测器在输入的高光谱数据中查找异常像素。探测器在均匀区域内搜索具有高强度差的像素。

    rxScore = anomalyRX(hcube);

    通过将RX评分值重新缩放到范围[0,255]来减小RX评分值的动态范围。

    rxScore = im2uint8(rescale(rxScore));

    显示RX得分地图。具有高RX分数的像素可能是异常像素。

    图imagesc(rxScore)颜色条

    计算并绘制RX分值的累积概率分布。

    count = imhist(rxScore);pdf = count/prod(size(rxScore，[1 2]));CDF = cumsum(pdf(:));图(cdf) xlabel(“RX分数”) ylabel (“累积概率值”）

    设置置信度系数值为0.998。选择累积概率分布值大于置信度系数的第一个RX评分作为阈值。这个阈值表示RX分数，高于该分数的像素为异常，具有99.8%的置信度。

    confCoefficient = 0.998;rxThreshold = find(cdf > confCoefficient,1);

    应用阈值来检测RX得分大于计算阈值的异常像素。结果是一个二值图像，其中异常像素被分配为强度值1，其他像素被分配为0。

    bw = rxScore > rxThreshold;

    派生数据多维数据集的RGB版本彩色化函数。将异常像素的二值图像覆盖在RGB图像上。

    rgbImg = colorize(hcube，“方法”，“rgb”）;B = ioverlay (rgbImg,bw);

    显示二值图像和叠加图像。

    图=图(“位置”，[0 0 800 400]);Axes1 =轴(“父”无花果,“位置”，[0 0.1 0.5 0.8]);显示亮度图像(bw,“父”, axes1);标题(“侦测到异常像素”)轴从colormap灰色的Axes2 =轴(“父”无花果,“位置”，[0.5 0.1 0.5 0.8]);显示亮度图像(B,“父”axes2)标题(“覆盖图像”）;轴从

    输入参数

    全部折叠

    输入高光谱数据，指定为3-D数字数组或超立方体对象。如果输入是一个大小为3-D的数字数组米——- - - - - -N——- - - - - -C，函数将其读取为的高光谱数据立方体米——- - - - - -N像素与C并计算RX分数。如果输入是a超立方体对象中存储的数据多维数据集DataCube属性，然后计算RX分数。高光谱数据立方体必须是实数且非稀疏的。

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    输出参数

    全部折叠

    输出高光谱数据立方体中每个像素的RX分数，作为大小矩阵返回米——- - - - - -N，与输入数据的空间维数相同。

    数据类型:双

    算法

    每个像素的RX分数计算为

    D R X ＝ （ r − μ C ） T Σ C − 1 （ r − μ C ）

    r像素是否在测试和μC而且ΣC分别为谱均值和协方差。异常像素通常具有较高的RX分数。

    您可以从RX分数的累积概率分布中估计一个阈值，以进一步优化异常像素检测。看到利用RX检测器检测高光谱数据中的异常像素的例子。

    参考文献

    [1]里德，i.s.和x.u Yu。具有未知光谱分布的光学模式的自适应多波段CFAR检测IEEE声学、语音与信号处理汇刊38岁的没有。10(1990年10月):1760-70。https://doi.org/10.1109/29.60107。

    [2]张忠义和蒋少山。高光谱图像异常检测与分类地球科学与遥感汇刊40,不。6(2002年六月):1314-25。https://doi.org/10.1109/TGRS.2002.800280。

    版本历史

    R2020a中引入

    另请参阅

    ||