为了有效缓解海量高光谱数据存储与传输压力并快速精确检测异常目标, 提出一种以滑动阵列窗像元为局部背景的高光谱图像非因果实时RXD异常检测方法.利用随数据逐像元接收而滑动的阵列窗确定局部背景像元, 运用Woodbury引理, 通过矩阵与向量的乘法和矩阵的加减实现局部背景协方差矩阵的求逆运算, 在逐像元接收数据的同时实现阵列窗口中心像元的异常检测.模拟和真实高光谱图像实验结果表明, 与现有实时检测方法相比, 所提方法在检测性能或运行效率上有所提升; 相比非实时的滑动阵列RXD异常检测, 所提方法时间复杂度更低, 处理大小为200×200含189波段的图像, 其加速比达到近26倍.实验结果验证了该方法能在不降低检测精度的同时满足低运算量和低存储空间的实时性要求.

实时处理可以缓解海量高光谱数据在存储及下行传输方面带来的巨大压力, 在高光谱异常检测领域引起了研究人员的广泛关注。高光谱成像传感器通过推扫获取数据的方式已成为主流, 因此, 提出了一种基于逐行处理框架的高光谱实时异常目标检测算法。将局部因果窗模型引入Reed-Xiaoli异常检测算法中, 通过滑动局部因果窗来检测异常目标, 保证了实时处理的因果性。针对矩阵求逆过程复杂度过大的问题, 在卡尔曼滤波器递归思想的基础上, 利用Woodbury求逆引理, 由前一时刻数据状态信息迭代更新当前数据的状态信息, 避免了大矩阵的求逆运算, 减少了算法的计算量。利用模拟和真实高光谱数据进行实验, 结果表明, 在保持检测精度不变的前提下, 提出的实时算法的运算效率相比于原始算法得到显著提高。