光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2010年
12期
83-87
,共5页
蒲晓丰%雷武虎%汤俊杰%黄涛
蒲曉豐%雷武虎%湯俊傑%黃濤
포효봉%뢰무호%탕준걸%황도
异常检测%支持向量数据描述(SVDD)%加权%高光谱图像
異常檢測%支持嚮量數據描述(SVDD)%加權%高光譜圖像
이상검측%지지향량수거묘술(SVDD)%가권%고광보도상
基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降.针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善算法对异常和背景数据的描述能力;同时为抑制错误样本的影响,将异常和背景样本偏离背景样本均值的距离映射作为各样本的加权系数.结果表明,新算法在低虚警概率下较之SVDD模型有更高的检测概率.利用真实数据进行实验证明了算法的有效性.
基于支持嚮量數據描述(SVDD)的高光譜圖像異常檢測算法常常會因為揹景樣本中混入異常像元(野值)而導緻檢測概率下降.針對此問題,提齣一種基于帶野值的支持嚮量描述的檢測算法,引入原點和少量已檢測齣來的異常像元作為異常樣本,以改善算法對異常和揹景數據的描述能力;同時為抑製錯誤樣本的影響,將異常和揹景樣本偏離揹景樣本均值的距離映射作為各樣本的加權繫數.結果錶明,新算法在低虛警概率下較之SVDD模型有更高的檢測概率.利用真實數據進行實驗證明瞭算法的有效性.
기우지지향량수거묘술(SVDD)적고광보도상이상검측산법상상회인위배경양본중혼입이상상원(야치)이도치검측개솔하강.침대차문제,제출일충기우대야치적지지향량묘술적검측산법,인입원점화소량이검측출래적이상상원작위이상양본,이개선산법대이상화배경수거적묘술능력;동시위억제착오양본적영향,장이상화배경양본편리배경양본균치적거리영사작위각양본적가권계수.결과표명,신산법재저허경개솔하교지SVDD모형유경고적검측개솔.이용진실수거진행실험증명료산법적유효성.
