主要内容

anomalyRX

利用Reed-Xiaoli探测器检测异常

折叠所有页面

    语法

    rxScore = anomalyRX (inputData)

    描述

    例子

    rxScore= anomalyRX (inputData）利用Reed-Xialoi (RX)探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。分数越高表示可能出现异常。背景的特征是数据立方体的光谱均值和协方差。有关计算分数和检测异常的更多信息，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．你可以安装图像处理工具箱高光谱成像库从附加的探险家。有关安装附加组件的详细信息，请参见获取和管理附加组件．

    例子

    全部折叠

    打开生活的脚本

    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评分值的累积概率分布计算出检测真实异常像素的阈值。

    读取包含异常像素的高光谱数据到工作空间。

    hcube =超立方体(“indian_pines.dat”）;

    利用RX探测器在输入的高光谱数据中寻找异常像素。检测器在均匀区域内搜索具有高强度差异的像素。

    rxScore = anomalyRX (hcube);

    通过将RX评分值重新调整到[0,255]范围来减小RX评分值的动态范围。

    rxScore = im2uint8(重新调节(rxScore));

    显示RX得分地图。RX值高的像素可能是异常像素。

    图显示亮度图像(rxScore) colorbar

    计算并绘制RX评分值的累积概率分布。

    数= imhist (rxScore);pdf = count/prod(size(rxScore，[1 2]));它强调= cumsum (pdf (:));图绘制(cdf)包含(“RX分数”) ylabel (“累积概率值”）

    设置置信系数值为0.998。选取累积概率分布值大于置信系数的第一个RX得分作为阈值。这个阈值表示RX评分，高于这个阈值的像素具有99.8%的置信度是异常的。

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

    应用阈值法检测RX值大于计算阈值的异常像素。结果是一个二值图像，其中异常像素被赋值为强度值1，其他像素被赋值为0。

    bw = rxScore > rxThreshold;

    的方法导出数据立方体的RGB版本彩色化函数。将异常像素的二值图像叠加在RGB图像上。

    rgbImg =再着色(hcube,“方法”，“rgb”）;B = imoverlay (rgbImg bw);

    显示二值图像和覆盖图像。

    无花果=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(检测到异常像素的)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，指定为三维数字数组或超立方体对象。如果输入是大小为3-D数字数组米——- - - - - -N——- - - - - -C，该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评分。如果输入是a超立方体对象时，函数读取存储在DataCube属性，然后计算RX得分。高光谱数据立方体必须是真实的、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得分，返回为大小矩阵米——- - - - - -N，与输入数据的空间维度相同。

    数据类型:双

    算法

    每个像素的RX得分被计算为

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

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

    您可以从RX分数的累积概率分布估计一个阈值，以进一步调整异常像素检测。看到利用RX探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. Yu。“未知光谱分布的光学图案的自适应多波段CFAR检测”IEEE声学、语音和信号处理汇刊38岁的没有。10(1990年10月):1760-70。https://doi.org/10.1109/29.60107。

    张建宜和蒋绍山。《高光谱图像异常检测与分类》地球科学与遥感学报40,不。6(2002年6月):1314-25。https://doi.org/10.1109/TGRS.2002.800280。

    另请参阅

    ||

    介绍了R2020a

    图像处理工具箱文档

    金宝app

    介绍基于MATLAB的深度学习

    介绍基于MATLAB的深度学习

    下载电子书