基于光谱相似度量核的高光谱异常检测算法分为几类

1、核函数与特征空间

核方法之所以能够取得较好的效果是由于其将高维特征空间中的点积运算采用核函数的形式计算，这样就避免了在高维特征空间的复杂计算。分类超平面到非线性SVM的过程中提出，由于简单的核函数往往对应着十分复杂的非线性映射函数φ，通过预先选择合适的核函数，避免了求解相应非线性映射函数φ的过程。

常用核函数可以分为两种类型：局部性核函数和全局性核函数。局部性核函数仅在测试点附近的小邻域对数据点有影响，通常由距离函数定义的核函数都为局部性核函数，如高斯径向基核函数。而全局性核函数允许远离测试输入的数据点对核函数值也有影响，如多项式南函数等基于点乘运算的核函数都为全局性核函数。

2、光谱相似度量核函数

光谱相似度量方法对于光谱形状相似性的描述使得其广泛应用于高光谱地物分类、光谱解混等，但由于其线性特性使得分辨能力不理想，因此需要采用光谱相似度量构造新型核函数，并将之应用到高光谱异常检测中。光谱向量可以用来描述高光谱数据中的一个像素或一种地物的特征。

3、基于光谱相似度量核的混合核函数

尽管光谱相似度量核对于光谱变化的识别能力很强，但是其敏感性使得在目标检测中引起的虚警概率也不容忽视，考虑到高斯径向基核较好的特征空间局部信息获取能力，将光谱相似度量核与高斯径向基核结合起来，构造混合核函数，进行高光谱异常目标检测。