基于空域滤波的核RX异常检测算法

KRX算法采用局部双窗模型，背景处于外窗，检测点处于内窗中，被检测点光谱与周围背景光谱存在差异时被认为是异常目标。通过将高维特征空间的点积转换为输入空间的核函数表示可以实现异常检测。由于是在高维特征空间进行RX检测，该算法相当于输入空间的非线性检测。高光谱数据是图谱合一的数据，不仅在光谱上存在邻近相关性，在空间上也有很强的相关性。由于检测的异常目标在整个检测数据集中是少数，因此可以在构造背景数据的过程中减小异常数据对背景数据产生的影响。为此提出一种利用高光谱数据空间相关性进行分波段空间滤波的方式，减小异常数据对背景数据的影响，这里选择中值滤波实现背景数据优化。

中值滤波是一种非线性滤波，它在一定条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，在数字图像处理中得到了广泛的应用。中值滤波首先确定一个以某像素为中心点的邻域，然后将邻域中各个像素的灰度值进行排序，取其中间值作为中心点像素的灰度值。当窗口在图像上移动时，利用中值滤波可以很好地对图像进行平滑处理。