rn 滑动验证_基于滑动阵列的高光谱图像非因果实时RXD检测

0 引言

高光谱遥感图像具有丰富的光谱信息，可以探测在全色和多光谱遥感中无法探测的目标，在侦察、污染监测、矿物勘探等许多方面都有巨大的潜在应用价值[.高光谱目标探测可以分为目标光谱已知的目标检测[和目标光谱未知的异常目标探测[.由于实际应用中，实用而完备的地物光谱库难以建立，准确的地物反射光谱获取非常困难，因此，无需任何先验信息的异常目标检测实用场景更加丰富.

Reed-Xiaoli检测(RXD)算法[是经典的高光谱图像异常检测算法，其实质是计算待检测样本到总体均值向量之间的马氏距离，即基于马氏距离的RXD(K-RXD).为提高RXD算法的性能，研究者对RXD算法进行了改进，典型的改进方法包括基于自相关矩阵的RXD算法(R-RXD)[、局部背景估计的RXD算法(Local Background Reed-Xiaoli, LRXD)[、加权的RXD异常检测算法(Weighted RXD, WRXD)[、结合时空信息的局部求和异常检测算法[和基于核函数的RXD检测算法(Kernel RXD)[.随着高光谱遥感的迅速发展，卫星重访周期短，海量数据给卫星的传输和存储系统带来了沉重的负担.在传输的过程中对感兴趣的特定目标进行实时检测，可以减少数据存储空间和处理工作量.

上述各种异常检测算法直接用于实时处理，时间复杂度高.近几年，美国马里兰大学的CHANG C I团队提出逐像元实时R-RXD算法和实时K-RXD算法[，分别逐像元迭代计算到待检测像元为止所有已接收像元的自相关矩阵的逆和协方差矩阵的逆；赵春晖等将该思想用于核R-RXD算法，提出实时多项式核R-RXD算法[.这两种算法都是全局背景的因果实时RXD算法.研究表明，局部RXD结果优于全局RXD[.针对局部R-RXD的实时检测，CHANG C I等进一步提出滑动阵列的因果实时R-RXD(RTC-R-RXD)[，从局部背景估计出发，逐像元实现实时检测.文献[

目前对于滑动阵列形式的实时异常检测方法设计仅仅局限于R-RXD，由于协方差矩阵包含像元邻域的距离信息，对异常检测意义更大.为更充分利用邻域信息进行异常检测，本文以滑动阵列中心像元为实时检测像元，推导了基于滑动阵列的协方差矩阵估计局部背景的非因果实时K-RXD检测算法(Local Real-time K-RXD，LRT-K-RXD).基于Woodbury引理递归计算滑动阵列中像元的协方差矩阵，将求逆运算转化为向量和矩阵的乘和矩阵的加减，实现边接收边检测，缩短算法运行时间；整个计算过程仅需存储待检测像元为中心的部分数据，与后续接收的像元信息无关，大大降低了所需的存储空间；由于非因果实时方法以待测像元的更多邻域信息为背景，相比因果实时，能够提升异常检测的效果.

1 RXD异常检测

RXD[是一种二元假设下基于广义似然比检验的恒虚警率检测算法.设高光谱图像波段数为L, 则包含N个像元点的背景数据可以表示为一个L×N的矩阵Xb=[x1, x2, …, xN]，其中xi=[x1i, x2i, …, xLi]T.令待检测像元光谱信号为r，则二元假设检验表示为

$

\left\{ \begin{array}{l}

{ {\rm{H}}_0}:\mathit{\boldsymbol{r}} = \mathit{\boldsymbol{n}}\;\;\;\;目标不存在\\

{ {\rm{H}}_1}:\mathit{\boldsymbol{r}} = a\mathit{\boldsymbol{s}} + \mathit{\boldsymbol{n}}\;\;\;\;目标存在

\end{array} \right.

$

(1)

式中，n表示背景噪声，s为目标光谱信号，a为目标光谱信号丰度.H0成立时a=0，表示不存在目标；H1成立时a>0，表示存在目标.通过广义似然比检验并经过一系列化简，得到基于马氏距离的K-RXD算法的表达式为

$

{\delta _{ {\rm{K}}-{\rm{RXD}}}}\left( \mathit{\boldsymbol{r}} \right) = {\left( {\mathit{\boldsymbol{r}} - \mathit{\boldsymbol{\mu }}} \right)^{\rm{T}}}{\mathit{\boldsymbol{K}}^{ - 1}}\left( {\mathit{\boldsymbol{r}} - \mathit{\boldsymbol{\mu }}} \right)

$

(2)

式中，$ \mathit{\boldsymbol{\mu }} = \frac{1}{N}\sum\limits_{i = 1}^N { {x_i}} $背景均值，$ \mathit{\boldsymbol{K}} = \frac{1}{N}\sum\limits_{i = 1}^N {\left( { {\mathit{\boldsymbol{x}}_i} - \mathit{\boldsymbol{\mu }}} \right){ {\left( { {\mathit{\boldsymbol{x}}_i} - \mathit{\boldsymbol{\mu }}} \right)}^{\rm{T}}}} $为背景协方差矩阵.设定判决阈值λ，δK－RXD(r)≥λ，H1成立，否则H0成立.由式(2)可知，K-RXD算子实际上是计算待检测像元光谱向量与背景窗口均值向量的马氏距离.Chang等用自相关矩阵$\mathit{\boldsymbol{R}} = \frac{1}{N}\sum\limits_{i = 1}^N { {\mathit{\boldsymbol{x}}_i}\mathit{\boldsymbol{x}}_i^{\rm{T}}} $代替协方差矩阵，提出改进的R-RXD算子为[

$

{\delta _{ {\rm{R}}-{\rm{RXD}}}}\left( \mathit{\boldsymbol{r}} \right) = {\mathit{\boldsymbol{r}}^{\rm{T}}}{\mathit{\boldsymbol{R}}^{ - 1}}\mathit{\boldsymbol{r}}

$

(3)

2 滑动阵列实时RXD异常检测原理

2.1 基于滑动阵列的实时RXD检测方案

如果将图像中所有N个像元点的光谱向量以列的形式排列成数据矩阵，则N个像元可以表示长度为N的阵列.定义一个长为a的阵列，求阵列内像元的自相关矩阵或协方差矩阵，通过阵列滑动实现目标检测.设r1…rn－1表示原来已接收像元，rn是当前接收像元，rn+1…rN表示图像中未接收像元.

图 1(Fig. 1)

图 1 基于滑动阵列的两种实时检测方案

Fig.1 Real-time detectors based on sliding array

1) 因果实时检测方案

基于滑动阵列的因果实时检测方案中，每个像元检测时只利用待测像元之前接收的阵列数据，而不用之后接收的数据.如rn－1为上一时刻检测的像元，其背景像元为点线框表示的阵列像元，当前接收的像元rn为当前待检测像元，其背景像元为虚线框表示的阵列像元.

2) 非因果实时检测方案

基于滑动阵列的非因果实时检测方案中，每个像元检测时用以该像元为中心的阵列数据为背景.如rn－a/2－1为上一时刻检测的像元，其背景像元为点线框表示的阵列像元，rn－a/2为当前待检测像元，其背景像元为虚线框表示的阵列像元.