基于数字图像形态学理论的高光谱异常检测方法

摘要

本发明提供的是一种基于数字图像形态学理论的高光谱异常检测方法。首先采用扩展形态学的闭运算对高光谱图像进行波段特征提取以达到降维的目的。通过闭变换进行波段选择在去除冗余的同时，还能够平滑光谱数据，避免了波段信息的不连续，有效地结合了地物的空间信息与精细光谱和空间相关性的信息。再对降维后的高光谱图像信息进行异常检测，采用KRX算子对图像进行异常检测得到检测结果的灰度图像，再运用灰度形态学的面积闭开运算(ACO)，对检测结果进行滤波处理得到最后的检测结果。本发明不仅能与KRX算子结合使用，同时也可以和高光谱图像异常检测的其他算子结合使用。具有很强的可移植性，更易满足高光谱检测的需求。

主权项

一种基于数字图像形态学理论的高光谱异常检测方法，其特征是：(1)首先采用扩展形态学的闭运算对高光谱图像进行波段特征提取；1)计算出各相邻波段间的互相关系数，绘制出高光谱图像的互相关曲线；2)将互相关系数的极小值点以及相关系数ρ为阈值T的点为界值点，进行分区处理；3)对相邻两波段区域的均值计算其互相关系数，互相关系数大于阈值则合并两相邻波段区域，进行波段区域腐蚀；4)对重新划分的每个波段区域内的各个波段计算其互相关系数，选取组内其它波段的平均相关系数最大的波段作为该波段组的代表提取出来；(2)其次将面积形态学ACO运算与KRX算子结合进行高光谱图像异常检测；1)利用KRX算子对降维后的图像数据进行异常检测得到检测后的灰度图像；2)利用灰度形态学的面积闭开运算ACO运算对检测后的灰度图像进行滤波处理得到去噪平滑后的灰度图像；3)设定检测阈值对灰度图像进行二值化处理，得到检测后的最终结果。