本发明涉及图像处理，尤其涉及一种基于反馈式波段组群的变分低秩稀疏异常检测方法。
背景技术：
1、高光谱图像异常检测具有可以在无需任何先验知识的情况下检测潜在目标的优点，它在军事探测食品质量检测等方面具有很高的实际应用价值。对异常检测的研究主要集中在从背景成分中分离出感兴趣的异常目标特征。但是由于高光谱图像的信息丰富的特点，直接对获取的高光谱图像进行分解不可避免的会导致计算量大的问题。并且，波段多也会导致出现一些相互间的强“干扰”。此外，由于采集设备本身条件的限制，获取的高光谱图像通常受到噪声的干扰。最后，如何有效的利用已有的异常知识，促进异常目标的检测性能的提升也是值得研究的问题。
技术实现思路
1、获取原始高光谱图像，利用均匀波段选择策略对高光谱图像的全波段集合进行划分，将高光谱图像上的全波段运算划分为多个均匀波段组群上的运算；
2、采用相关总变分和l2,1范数构建数据分解模型，采用数据分解模型对划分的均匀波段组群进行数据分解，提取高光谱图像的背景成分和稀疏成分，对提取的稀疏成分采用rad得到初步异常目标检测结果；
3、通过otsu对初步异常目标检测结果进行阈值化得到二值图，设计迭代反馈机制，根据得到的二值图反映的异常目标信息指导下一个均匀波段组群的分解过程，得到最终的异常目标检测结果。
4、进一步的，所述数据分解模型采用如下方式定义：
5、
6、其中，为大小为b×n的高光谱图像，n＝r×c表示总像素数，原始图像x可以被看作是由一个低秩矩阵l和稀疏矩阵s的组合。b＝{b1,b2,...,bj}表示通过均匀波段选择策略选出的波段组群，||·||*为矩阵核范数，由奇异值阈值方法求解，||·||2,1表示促进s列间稀疏性的混合l2,1范数。
7、进一步的，所述迭代反馈机制采用如下方式建立：
8、将获取的检测结果图定义为admap。通过otsu方法对admap进行阈值化得到二值图bmap。根据bmap保留原始的admap信息以指导稀疏部分的分离，同时将背景部分置为0，定义fgmap，则有如下定义：
9、
10、将fgmap作为反馈信息，扩充下一个均匀波段组群，即
11、b(k)＝b(k-1)∪fgmap(k) (3)
12、其中b(k)为第k次迭代的均匀波段组群。执行上述过程直到达到最大迭代次数或者满足下面的迭代停止准则：
13、
14、由于采用了上述技术方案，本发明提供的一种基于反馈式波段组群的变分低秩稀疏异常检测方法，该方法基于表示模型发展而来，可以有效地降低数据分解的计算量。与之前的基于低秩和tv结合的异常检测方法不同，我们利用梯度图上的核范数来同时编码低秩和局部平滑性质，避免了更多的参数调节。同时考虑异常区别于随机分布的稀疏噪声，它在空间上是稀疏的，但是在光谱域上仍然呈现密集性。因此，为了保留异常像素，通过联合光谱空间的稀疏性对其进行约束。此外，直接对全波段高光谱图像进行分解需要更大的计算负担。不同于基于主成分分析和波段选择的预处理方法，我们并没有选择性的保留或者去除某些信息或者波段，而是通过均匀波段选择策略将大规模的全波段数据运算划分为多个小规模的子问题，然后迭代的处理这些子问题，这样做既保留了足够的信息用于后续处理，避免了由于缺少先验知识对异常检测性能的限制，又降低的数据分解过程的计算量。另外，冗余高会增加高斯噪声n和稀疏成分s的区分难度，进而影响s提取的准确性。通过这种划分处理，可以降低非异常成分的干扰。另外，高光谱图像中占据大面积区域的数据通常认为不是异常目标，并且呈现出分段平滑的特性。tv模型可以让这些大面积区域更加连续，有利于分离出非异常的低秩成分，从而保留我们感兴趣的异常目标。此外，我们设计了一种迭代处理方式促使我们能够利用已有的知识来促进稀疏部分s的分离，进而提高异常检的性能。
1.一种基于反馈式波段组群的变分低秩稀疏异常检测方法，其特征在于包括：
2.根据权利要求1所述的方法，其特征在于：所述数据分解模型采用如下方式定义：
3.根据权利要求1所述的方法，其特征在于：所述迭代反馈机制采用如下方式建立：
