箱线图（Box-plot）在高光谱图像处理中的应用_unsupervised hyperspectral change detection code-CSDN博客

本文链接：https://blog.csdn.net/NBDwo/article/details/119612807

本文介绍了箱线图在高光谱影像异常探测中的应用，通过展示不同算法的箱线图，分析了算法对背景抑制和目标分离的效果。箱线图能直观地对比算法性能，例如LRX算法虽能有效抑制背景，但分离性不佳，而GTVRR和2S-GLRT则表现出较好的分离性。引用了相关文献并强调了学术引用的重要性。

摘要由CSDN通过智能技术生成

箱线图（Box-plot）在高光谱图像处理中的应用

欢迎学习交流！
邮箱： z…@1…6.com
网站： https://zephyrhours.github.io/

前言

在高光谱异常探测、目标探测和变化检测中，除了使用ROC曲线做定性评价外，箱线图也是被广泛的使用。在很多文章中都可以看到它的身影，箱线图来可以有效地评价算法对背景的抑制和对目标的分离情况，下面分享笔者基于Matlab编写的 箱线图（背景分离性分析图） 给搞科研的各位朋友，希望对您的工作有所帮助！如果您使用该代码，或这些代码对您有所帮助，请添加文章引用！

一、箱线图

箱线图（Box-plot）又称为盒须图、盒式图或箱形图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间，具体如下：
请添加图片描述

二、箱线图在高光谱影像中的应用

下面是箱线图在高光谱影像异常探测中的一个应用实例，在文章中，我们又称箱线图（Box-plot）为背景异常分离性分析，或者统计性分离分析（Statistical separability analysis），具体如下图所示：

在图中可以看到，不同的检测算法表现不同，其中该图中我们采用蓝色和红色来分别表示背景地物和异常地物，箱体的取值范围，我们截取原始数据的10%~90%进行显示；蓝色箱子和红色箱子的高低，表示不同算法对背景和异常的抑制情况（背景和异常的取值）。在高光谱异常检测或者目标探测中，蓝色箱子越低，背景就会被抑制的越严重；红色箱子跟蓝色箱子之间的距离表示算法对背景和异常的分离情况，间隔越大，就越有利于目标或异常的分离。也就说明算法的分离性比较好。如图所示，LRX算法表现出来了对背景的抑制情况很好，但是蓝色箱子被抑制的同时，红色箱子跟蓝色箱子的高度差很小，也就是说该算法虽然可以有效的抑制背景，但是分离性不好，不能很好的区分背景和异常。而在GTVRR和2S-GLRT中则表现出来了比较好的分离情况，但是GTVLRR对背景的抑制没有2S-GLRT算法好，因此综上比较可知，这些算法中2S-GLRT 体现出来了比较好的背景异常分离性。具体描述请参考下面的文献。