主要内容

anomalyRX

使用Reed-Xiaoli检测器检测异常

在页面中全部折叠

    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，作为像素和背景之间的马氏距离。分数越高表示可能出现异常。用数据立方体的谱均值和协方差来表征背景。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．您可以安装图像处理工具箱高光谱成像库从附加的探险家。有关安装插件的更多信息，请参见获取和管理插件．

    例子

    全部折叠

    这个示例使用:

    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评分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异常像素的阈值。

    将包含异常像素的高光谱数据读入工作空间。

    hcube =超立方体(“indian_pines.dat”）;

    利用RX探测器在输入的高光谱数据中发现异常像素。探测器在均匀区域内搜索具有高强度差的像素。

    rxScore = anomalyRX (hcube);

    将RX评分值的动态范围缩小到[0,255]。

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

    显示RX评分地图。RX值高的像素很可能是异常像素。

    图显示亮度图像(rxScore) colorbar

    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(“RX分数”) ylabel (“累积概率值”）

    设置置信度系数值为0.998。选择累计概率分布值大于置信度系数的第一个RX评分作为阈值。该阈值表示RX评分，高于该值的像素为异常，置信度为99.8%。

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

    应用阈值法检测RX评分大于计算阈值的异常像素。结果是一个二值图像，其中异常像素的强度值为1，其他像素的强度值为0。

    bw = rxScore;

    方法派生数据立方体的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);

    显示二值图像和叠加图像。

    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。如果输入是一个大小的三维数字数组米——- - - - - -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，该函数将读取存储在DataCube属性，然后计算RX分数。高光谱数据立方体必须是真实且非稀疏的。

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

    输出参数

    全部折叠

    为高光谱数据立方体中的每个像素输出RX评分，作为大小矩阵返回米——- - - - - -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评分计算为

    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。

    您可以根据RX分数的累积概率分布估计一个阈值，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.，余旭。光谱分布未知的光学模式的自适应多波段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。

    [2]张谦一和蒋少山。高光谱图像的异常检测与分类。《IEEE地球科学与遥感汇刊》40,不。6(2002年6月):1314-25。https://doi.org/10.1109/TGRS.2002.800280。

    版本历史

    介绍了R2020a

    另请参阅

    ||

    Baidu
    map