12、高光谱图像端元提取技术详解

高光谱图像端元提取技术详解

1. 端元提取阶段的异常值删除

在基于体积计算或距离测试的光谱端元迭代搜索过程中，异常点很容易对其产生干扰。以N - FINDR算法为例，其提取的光谱端元是对应最大体积的像素点组合。由于异常点特殊的空间位置，它比普通像素点更有可能被选入光谱端元，这可能会对算法产生较大影响，甚至导致算法完全失效。即使只有一个这样的点，潜在影响也不可估量。而且，在高光谱图像中，异常点广泛存在。因此，构建此过程的鲁棒算法比之前的过程更具意义。

如果能在光谱端元迭代搜索过程中确认并排除异常点，就能达到预期目的。虽然鲁棒协方差矩阵的获取方法包含异常点的确认方法，但该方法在此阶段对算法效果不佳。这种方法是相对于所有像素点来确定异常点的，可能会因为某些类的总像素较少而被完全误判为异常点。这种错误在鲁棒协方差矩阵求解或鲁棒超平面拟合时影响较小，但在光谱端元提取时影响巨大。

为了解决这个问题，我们采用邻域分析的方法来确认和去除异常点。异常点通常处于较为孤立的状态。我们以每个像素点为中心建立固定大小的邻域窗口，通过计算邻域窗口内的像素点来衡量中心点的孤立程度。孤立程度测量指标越大，该点为异常点的可能性就越大。为了节省计算量，我们用方形邻域（高维盒子）代替圆形邻域，这样在基本不影响异常点去除效果的前提下，避免了大量的距离计算。

2. 性能评估

2.1 基于距离测量的N - FINDR快速算法

这里我们重点比较基于降维空间直接距离计算的N - FINDR快速算法和原始N - FINDR的效率。

实验一 ：如图所示，将A(−15,0)、B(15,0)和C(0,20)作为