主要内容

anomalyRX

使用Reed-Xiaoli检测器检测异常

自从R2020a

所有的页面崩溃

    语法

    rxScore = anomalyRX (inputData)

    描述

    例子

    rxScore= anomalyRX (inputData)检测到异常像素的高光谱数据使用Reed-Xialoi (RX)检测器。RX检测器计算得分为每个像素的像素与背景之间的距离。得分越高表明可能异常。背景的特点是光谱数据立方体的均值和协方差。关于计算分数的更多信息和检测异常,明白了算法。

    请注意

    这个函数需要图像处理工具箱™高光谱影像库。您可以安装图像处理工具箱高光谱影像库从附加的探险家。关于安装插件的更多信息,请参阅获取和管理插件。

    的图像处理工具箱高光谱影像库需要MATLAB桌面®,因为MATLAB在线™或MATLAB移动™不支持图书馆。万博1manbetx

    例子

    全部折叠

    这个示例使用:

    打开生活的脚本

    检测异常像素高光谱数据通过计算每个像素的RX分数高光谱数据立方体。然后计算检测真正的异常像素的阈值通过使用累积概率分布的RX分数值。

    读高光谱数据包含异常像素到工作区中。

    hcube =超立方体(“indian_pines.dat”);

    输入高光谱数据中发现异常像素使用RX探测器。探测器像素搜索与均质区域内高强度的差异。

    rxScore = anomalyRX (hcube);

    RX分数值的动态范围减少重新调节范围(0,255)。

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

    地图显示RX的乐谱。RX分数可能异常高的像素像素。

    图显示亮度图像(rxScore) colorbar

    计算和情节RX分数的累积概率分布值。

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

    信心系数值设置为0.998。选择第一个RX分数累积概率分布值大于信心系数阈值。这个阈值代表一个像素的RX得分高于异常有99.8%的信心。

    confCoefficient = 0.998;rxThreshold =找到(cdf > confCoefficient 1);

    应用阈值来检测异常像素和RX得分大于阈值计算。异常的结果是一个二进制图像像素强度值1和其他像素分配分配0。

    bw = rxScore > rxThreshold;

    得到的RGB版本使用的数据立方体彩色化函数。叠加异常的二进制图像像素的RGB图像。

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

    显示二进制图像和图像覆盖。

    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,指定为一个三维数值数组或超立方体对象。如果输入是一个三维数值数组的大小米——- - - - - -N——- - - - - -C,函数读取它的高光谱数据立方体米——- - - - - -N像素与C光谱波段和RX的分数计算。如果输入是一个超立方体对象,函数读取中存储的数据立方体DataCube属性,然后计算RX得分。必须真实和non-sparse高光谱数据立方体。

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

    输出参数

    全部折叠

    输出RX分数高光谱数据立方体的每个像素,返回矩阵的大小米——- - - - - -N一样,输入数据的空间维度。

    数据类型:双

    算法

    计算每个像素的RX得分

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

    r测试下的像素和吗μC和ΣC分别为谱均值和协方差。异常像素通常有高RX分数。

    你可以估计一个阈值的累积概率分布RX成绩进一步调整异常像素检测。看到使用RX检测器检测异常像素高光谱数据的例子。

    引用

    [1]里德,安全火花型Yu, x。“自适应光学模式的多波段CFAR检测未知的光谱分布”。IEEE声学,演讲,和信号处理38岁的没有。(1990年10月):1760 - 70。https://doi.org/10.1109/29.60107。

    [2]Chein-I Chang和Shao-Shan蒋介石。对高光谱图像异常检测和分类。IEEE地球科学和遥感40,不。(2002年6月6日):1314 - 25所示。https://doi.org/10.1109/TGRS.2002.800280。

    版本历史

    介绍了R2020a

    另请参阅

    ||