RX算法的作用

RX算子实质上算法的计算待测像素与背景均值的马氏距离。从RX算法的计算过程不看，整个流程说是主成分分析（PCA）的逆过程，PCA是把高光谱图像的光谱信息按照协方差办差矩阵特征值的大小依次排列，若某光谱分量具有较大的特征值，则意味者该分量对整幅图像的信息贡献较大；而对于异常目标，由子其尺寸小、出现概率低的特性导致它一定会出现在协方差矩阵特征值此较小的光谱分量上。这也就从理论上验证了上述检测算子的合理性，即包含异常目标的分量的能量小，其协方差矩阵的特征值也小，则δ_RX（x）值就越大，所以RX算法可以有效地进行高光谱图像的异常目标检测。目前的无监督字典是利用学习方法进行字典的扩充，最终得到足够完备的字典，但是在高光谱图像目标检测领域，这种学习字典的检测效果受到很多不确定因素的影响，往往无法得到令人满意的检测结果。对于检测效果较好的监督字典，构造字典需要大量准确的先验信息，这也限制了检测算法的适用范围。基于两类字典构造方法的优点和不足，提出了一种利用RX算法的检测结果构造字典的方法。由于RX异常检测算法是无监督检测算法，这就很好地满足了无监督字典构造过程中不利用先验知识的要求。虽然RX算法的检测效果并不理想，但是对于构造冗余字典，RX算法的检测效果已能比较精确地选取目标像素和背景像素。也就是说，只需要对RX异常检测的结果选取合适的阈值，就可以对待检测图像中的目标像素与背景像素的分布有一个粗略的估计，从而辅助字典D中原子的选取，由此种方法构造的过完备字典相对于随机选取像素构造字典的方法具有更高的精确性。