基于虚拟背景光谱Hausdorff距离的高光谱异常检测及GPU实现.pdf

【基于虚拟背景光谱Hausdorff距离的高光谱异常检测及GPU实现】 本文主要探讨了一种针对高光谱图像异常检测的新方法——基于虚拟背景光谱Hausdorff距离（VBS-HD）的算法，并利用GPU进行并行处理以提升算法效率。高光谱图像处理是遥感和地球观测领域的重要技术，它能够捕捉到地物的丰富空间和光谱信息，有助于识别微小的地物差异。 传统的异常检测算法如RX算子依赖于背景的高斯正态分布假设，但在实际场景中，这种假设往往不成立，限制了检测性能。为解决这一问题，文章提出了一种新的检测策略，即使用虚拟背景光谱（Virtual Background Spectrum, VBS）。VBS-HD算法首先计算待检测像元与背景信息在各个波段的正反双向Hausdorff距离，并进行排序。为了避免噪声点的影响，算法选取前k个距离进行均值化处理，再进行Hausdorff距离的度量。此外，算法构造理想的虚拟背景光谱，减少了背景噪声和异常点对检测性能的干扰。 Hausdorff距离作为一种非线性的极大极小距离，适合于模式识别和高光谱图像处理，能有效反映地物的空间分布特征和不同地物间的显著差异。然而，随着高光谱数据的分辨率增加，处理效率成为一个挑战。为此，文章利用GPU的并行计算能力，在CUDA平台上设计了算法的并行系统架构，实现了高效的并行处理，显著提升了检测速度。 实验结果表明，VBS-HD算法具有较强的抗噪声干扰能力，同时保持了较高的检测精度。与传统的RX算子和局部RX检测器相比，VBS-HD在复杂背景下的检测性能更优，而且由于并行化处理，执行效率得到了显著提升。此外，该算法避免了对背景分布的严格假设，提高了普适性。 参考文献和专业指导提供了理论支持和实践指导，国家自然科学基金和黑龙江省自然科学基金为该研究提供了资金支持。作者赵春晖等人在哈尔滨工程大学信息与通信工程学院的工作展示了GPU在高光谱异常检测中的应用潜力，为高光谱图像处理领域提供了一种新的有效工具。