基于目标正交子空间投影加权的高光谱图像异常检测算法

在高光谱图像的异常目标检测问题中,针对原始数据源不能正确地表征背景数据的分布而造成虚警概率较高的现象,本文提出了一种基于目标正交子空间投影加权的KRX高光谱图像异常检测算法。该算法从背景协方差矩阵的估算角度入手,将每个像素投影到目标的正交子空间中,为每个像素自适应地赋予合适的权值,从而减小目标信息的存在对背景特性估计的影响。并用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行了比较,结果表明,本文提出算法的检测性能明显地优于传统算法,降低了虚警概率,具有较好的检测效果。     

改进的多端元高光谱解混算法

针对经典多端元光谱混合模型(MESMA)存在着计算量大,端元预选繁琐以及过拟合等缺点,提出了一种改进的多端元解混算法。该算法根据正交子空间投影具有分离感兴趣信号与不感兴趣信号的特点,将像元投影到全部地物端元(每类地物选择一条类内光谱)构成的正交子空间上,按照投影值确定构成混合像元每类地物的类内光谱,在下一步迭代求解的过程中,分离出已确定地物类内光谱的像元,降低计算量,然后根据重构误差变化量确定最优端元个数,避免过拟合。实验结果表明,改进的算法反演丰度误差和解混时间都比原有算法降低很多。     

面向工业平稳/非平稳复杂系统的在线故障监测技术

针对复杂系统中关键性能指标（KPI）相关故障检测方法检测精度低的问题,提出基于双层改进潜结构投影（DL-IPLS）的KPI相关故障检测方法. 利用协整分析和主元分析建立底层模型,对非平稳和平稳变量进行特征提取. 将提取的信息进行融合,建立改进潜结构投影的上层模型,根据融合信息对KPI的贡献进行空间分解. 在2个正交子空间中设计统计量,实现KPI相关故障的在线监测. 田纳西-伊斯曼过程和青霉素发酵过程的仿真结果表明,在面向工业平稳和非平稳复杂工业系统检测时,所提方法有效提高了KPI相关故障的检测率,降低了KPI无关故障的误报率.     

一种自适应多层结构和空谱联合的高光谱图像异常检测方法

针对传统高光谱图像异常检测算法大多只考虑异常点与背景像素的光谱差异、忽略二者空间结构差异等问题,提出一种基于局部空间结构差异的自适应多层结构空谱联合异常检测方法。该新方法计算待测像素与背景窗像素在光谱维度上的差异以及内窗与背景窗在空间结构上的差异,重点构建了一种自适应多层结构的异常检测框架。该框架基于背景抑制的思想,构建多层级联的异常检测器,将每一层检测器的异常检测结果作为约束,抑制下一层检测器中输入图像的背景信息,从而自适应地完成背景抑制。实验结果表明,所提方法较传统的双窗模型(包括全局RX、局部RX和KRX)更好地利用了局部空间结构和光谱维度信息,自适应地对背景进行抑制,降低了虚警率,提升了对尺寸较小的异常目标的检测效果。     

ODA-IPNMF: 一种在线全网络流量异常检测方法

为实时、高效地检测网络流量异常,提出一种基于增量投影非负矩阵分解(IPNMF)的全网络流量异常检测方法(ODA-IPNMF).提出一种增量投影非负矩阵算法,该算法不仅具有与PCA相同的表达形式,还能以增量的方式构建正常子空间和异常子空间,进而利用Shewhart控制图实现全网络流量异常的在线检测.理论分析表明,该方法计算开销远小于NMF-NAD,具有更高的实用价值;模拟网络数据以及实测网络数据实验表明,基于NMF异常检测方法(NMF-NAD和ODAIPNMF)的检测性能优于PCA方法;本文所提ODA-IPNMF与NMF-NAD网络异常检测效果相当,且可在线检测网络异常.     

一种改进的高光谱端元提取算法及其FPGA实现

自动目标生成算法在迭代更新正交子空间投影矩阵时,面临复杂的求逆运算和不断增长的迭代规模等问题,给算法的高速硬件实现带来困难。在对经典自动目标生成算法深入研究的基础上,采用固定规模的矩阵乘加运算代替复杂的矩阵求逆来更新正交投影算子,提出一种全新的自动目标生成算法的高速硬件实现架构。此外,首次使用高层次综合工具在现场可编程门阵列平台上完成了算法验证。实验结果表明,该硬件实现架构的处理速度达到了严格的实时性,同时保持了与传统算法相同的高检测精度。     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

基于噪声特征空间消噪和TEO能量的语音活动度检测

提出了一种噪声环境下的语音活动度(Voice Activity Detection)的稳健检测算法,算法采用了先降噪后检测的策略.为了使检测算法能够适应嘈杂的噪声环境,本文采用了两个互补性的策略.首先,采用噪声特征空间投影的方法,以较小的语音畸变为代价,去掉语音信号中的有色分量,然后利用Teager Energy Operator(TEO)来增强语音信号与噪声之间的能量差别,最终,根据子带TEO的平均信噪比来区分语音与非语音信号.我们采用了TIM IT数据库与几种常见的噪声来评价该算法,实验表明,该算法优于最新的语音活动度检测算法.     

数字通信中基于双正交子波的波形成形

讨论了数字调制技术中的波形成形问题，提出利用双正交子波实现波形成形的思想。与正交子波相比，双正交子波具有设计灵活，自由度大的特点，证明了利用双正交子波实现波形成形满足Ｎｙｑｕｉｓｔ准则；研究了利用双正交子波进行基带成形的具体数字化所涉及的问题，并在频谱利用率和误码性能两个方面进行了对比分析，给出了计算机模拟结果，得到了与理论分析一致的结论：利用双正交子波实现波形成形可以获得高的频谱利用率，但功率有     

基于空域滤波的核RX高光谱图像异常检测算法

核RX算法将原始高光谱数据通过非线性映射到高维特征空间进行处理,具有很好的非线性异常检测性能,但当背景数据中混入异常点后背景核矩阵将发生退化,使得漏检率上升.针对此问题,该文提出一种基于空域滤波的核RX算法,利用高光谱图像同一波段相邻像素的空间相关性,采用分波段空域滤波的方式优化背景数据的分布,抑制了异常数据对背景的干扰,构造更加符合背景分布的核矩阵,有效提高检测概率的同时降低了虚警概率.通过试验模拟数据和真实AVIRIS数据的测试检验,说明该算法性能优于传统RX算法以及核RX算法.     

高光谱亚像元图像仿真与异常检测应用

为满足高光谱异常检测研究所需的大量地物高光谱图像需求,提出利用待观测地物的高光谱特性仿真数据及背景特性数据生成高光谱图像的方法,开展了典型飞机流动与传热模型、红外辐射特性模型、高光谱图像仿真模型研究;以实验测定的飞机反射率为输入开展目标特性计算,结合实际观测的背景起伏图像,在特定遥感器光谱响应特性、遥感器相对定标误差、随机加性噪声等条件下,生成了不同像元丰度、不同信噪比的高光谱图像,并应用经典的RX算法、CEM算法检测了仿真图像的异常像元。研究结果表明:建立的模型可以根据遥感器的性能指标参数、目标丰度要求生成亚像元高光谱仿真图像。图像可以反映目标飞机像元丰度、信噪比对检测结果的影响,通过调节输入参数可以高效建立针对亚像元异常检测的高光谱仿真图像;应用仿真图像进行RX算法检测高光谱仿真图像时,噪声会对检测结果产生较大影响,当信噪比低至10 dB时,RX算法难以检测出丰度0.4以下的异常像元,采用光谱匹配检测的CEM算法可以在较低像元丰度和信噪比下检测异常,提高检测概率。     

期望最大化聚类的高光谱亚像素目标检测

针对高光谱目标检测中复杂背景的影响,提出一种基于期望最大化聚类的亚像素目标检测方法,利用背景分解来描述复杂背景．首先,采用期望最大化聚类法实现高光谱图像的背景分解．然后,将背景子空间模型应用于分解得到的场景．由于分解得到的场景更加单一,因此该方法更适合于复杂背景下的亚像素目标检测．将提出的方法应用于实际的高光谱图像,实验结果表明这种方法具有更好的检测性能．     

基于光谱相似度量的高光谱图像异常检测算法

针对传统异常检测算法需要建立在一定的假设模型下,提出了一种新的高光谱图像异常检测算法。该算法无需假设背景模型,首先运用迭代误差分析方法对高光谱图像数据进行处理,得到高光谱图像数据的异常端元。然后以选取出的端元为参考,对高光谱数据进行相似度量,通过计算与参考端元的核光谱角余弦,找到与异常端元相似的光谱向量,得到异常检测结果。仿真实验结果表明,该算法能够准确的检测出异常目标,并且具有运算时间短、效率高的特点。     

基于二代曲波变换和PCNN的高光谱图像融合

为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.     

高光谱图像亚像元级地物端元提取方法

针对高光谱图像中以亚像元形式存在的地物的端元光谱提取问题,提出凸面几何理论和部分非负矩阵分解相结合的端元提取方法.通过去噪的正交基子空间投影方法和相似度比较获得原始图像中的纯像元端元,利用纯像元端元光谱对图像逐点求取丰度和重构误差,对误差大于设定阈值的像素集合进行部分非负矩阵分解,求得亚像元级地物的端元光谱.实验结果表明,该端元提取方法能够弥补传统方法的不足,从而实现对亚像元级地物端元光谱的有效提取.     

皮纳卫星遥测数据异常检测聚类分析方法

为满足皮纳卫星高维遥测数据的实时、自动化、抗概念漂移等处理要求,提出一种基于聚类的遥测数据异常检测方法,包括子空间搜索和两阶段遥测数据聚类处理两部分.子空间搜索,通过熵值实现所有遥测数据低维子空间划分,降低计算复杂度,避免"维度灾难"的发生;两阶段遥测数据聚类处理,在线阶段通过网格索引实时发现单点异常,离线阶段通过聚类挖掘数据的集体异常及其特征,满足快速异常检测和复杂异常检测两种需求,并通过正常状态数据的迭代更新和算法的自适应修改,抵抗概念漂移.ZDPS-1A卫星历史遥测数据的分析结果表明,皮纳卫星遥测数据异常检测聚类方法在线阶段能实时处理10 kHz的流量数据,发现95%的单点异常,满足皮纳卫星实时遥测数据异常检测的一般需求;算法自适应了卫星快速转动导致的数据漂移,维持了稳定的单簇形态;同时相比原边界检查系统早一个月检测出姿态确定与控制系统中程序跑飞引起的太阳敏感器数据紊乱故障.所提出的算法针对性解决了高维、存在概念漂移的遥测数据异常检测问题,能实时检测单点异常,具有集体异常挖掘能力,适用于皮纳卫星星座组网的地面监控系统.