基于支持向量数据描述的高光谱图像目标检测

高光谱图像目标检测具有重要的理论研究价值和应用前景，是遥感信息处理领域中的一个热点课题。当前大部分检测算法需要设置一个合适的判决阈值，这个阈值是由人工设置或利用目标与背景信息进行计算得到的。实际中对背景的先验知识往往很少，这限制了很多算法的应用。针对这一问题，提出了一种新的纯像素目标检测算法——基于支持向量数据描述(SVDD)的高光谱图像目标检测算法，把目标检测问题转化为了单值分类问题。首先训练SVDD分类器，然后对数据进行类内(目标)和类外(背景)的分类，对分类的图像再利用目标的空间特征降低虚警率，最终得到目标检测结果。利用实际高光谱数据的实验表明，与经典的光谱角度制图和有约束能量最小化算法相比，该方法仅需要较少的目标类训练样本就可以得到与前两者选取最佳阈值时接近的检测结果，当增加背景样本时，该方法优于上述两种算法。