基于低维非线性结构的高光谱图像异常检测技术

异常检测已成为一项重要的高光谱图像处理技术，而基于高维数据内蕴结构（低维流形）特征的检测方法越来越受到关注。其中，大部分检测方法都可归类于基于线性结构，而对更符合成像特点的非线性结构的研究还比较少。本课题利用局部线性思想来研究基于非线性结构的异常检测方法。首先从成像机理和数据流形学习的角度，深入探讨高光谱数据集内蕴结构的特点，建立合理的低维流形描述；接下来面向异常检测应用，结合局部线性嵌入思想，提取描述局部线性结构的相关参数；最后在分析和比较现有高光谱异常检测方法的基础上，利用局部线性结构的异常检测，实现对全局流形的处理。课题将在数据集结构特性分析、局部线性化和特征提取以及非线性结构异常检测方法等方面开展关键技术攻关，并将利用仿真数据和实际数据，比较基于线性和非线性结构的异常检测方法的差异。

摘要：异常检测已成为一项重要的高光谱图像处理技术，而基于高维数据内蕴结构（低维流形）特征的检测方法越来越受到关注。其中，大部分检测方法都可归类于基于线性结构，而对更符合成像特点的非线性结构的研究还比较少。本课题利用局部线性思想来研究基于非线性结构的异常检测方法。首先从成像机理和数据流形学习的角度，深入探讨高光谱数据集内蕴结构的特点，建立合理的低维流形描述；接下来面向异常检测应用，结合局部线性嵌入思想，提取描述局部线性结构的相关参数；最后在分析和比较现有高光谱异常检测方法的基础上，利用局部线性结构的异常检测，实现对全局流形的处理。课题将在数据集结构特性分析、基于非线性结构异常检测方法等方面开展关键技术攻关，并将利用仿真数据和实际数据，比较基于线性和非线性结构的异常检测方法的差异。