哈尔滨工程大学 信息与通信工程学院，哈尔滨 150001
提出一种新型光谱相似度量核函数，并应用于高光谱异常检测.由于高斯径向基核函数是基于光谱向量间欧式距离的度量，其对于光谱向量间距离变化的适应性较强，而对于因光照强度变化，阴影和遮挡等引起的同种地物光谱变化的适应性较弱，使得基于高斯径向基核的高光谱异常检测算法性能下降.为解决该问题，从光谱曲线形状描述出发，基于光谱相似度量提出了光谱相似度量核函数.通过理论分析和真实高光谱数据异常检测实验检验，实验结果说明相对于高斯径向基核函数，光谱相似度量核函数具有一定的优越性，能改善基于核方法的高光谱异常检测算法的性能.
高光谱 异常检测 光谱相似度量 核方法 Hyperspectral imagery Anomaly detection Spectral similarity measure Kernel-based method RX RX
哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001
提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点, 通过局部背景分波段二阶分布统计, 分析了核参量与局部背景总体标准差的变化关系, 构造了随检测背景变化的局部检测核参量, 使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验, 接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.
高光谱 异常检测 自适应 核方法 支持向量描述 Hyperspectral imagery Anomaly detection Adaptive Kernel-based method Support vector data description
