反常
用里德小李探测器探测异常
描述
例子
利用RX探测器检测高光谱数据中的异常像素
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。
将包含异常像素的高光谱数据读入工作区。
hcube=超立方体(“印度松，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分数值重新缩放到范围[0，255]来减小其动态范围。
rxScore=im2uint8（救援（rxScore））；
显示RX分数图。RX分数高的像素可能是异常像素。
图imagesc（rxScore）颜色条
计算并绘制RX分数值的累积概率分布。
数= imhist (rxScore);pdf = count/prod(size(rxScore，[1 2]));它强调= cumsum (pdf (:));图绘制(cdf)包含(“接收分数”) ylabel (“累积概率值”)
将置信系数值设置为0.998。选择累积概率分布值大于置信系数的第一个RX分数作为阈值。此阈值表示RX分数，高于该分数的像素为置信度为99.8%的异常。
系数=0.998；rxThreshold=find（cdf>conf系数，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;
使用导出数据立方体的RGB版本彩色化在RGB图像上叠加异常像素的二值图像。
rgbImg=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]); 轴1=轴(“父”，无花果，“位置”,[0 0.1 0.5 0.8]); 图像SC（bw，“父”，axes1）；头衔(“检测到异常像素”)轴心从colormap灰色轴2=轴(“父”，无花果，“位置”，[0.50.1 0.50.8]）；图像c（B，“父”axes2)标题(“覆盖图像”); 轴从
输入参数
输出参数
算法
每个像素的RX分数计算如下：
R像素是否正在测试中μC和ΣC分别为光谱平均值和协方差。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] 具有未知光谱分布的光学图案的自适应多波段恒虚警检测声学、语音和信号处理IEEE交易38，第10号（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》IEEE地球科学和遥感学报40,不。6(2002年6月):1314-25。https://doi.org/10.1109/TGRS.2002.800280。
你也可以从以下列表中选择一个网站:
