摘要: 由于图像复杂背景信息的干扰,一般检测算法的应用受到了限制,致使异常检测的虚警率较高,而基于支持向量数据描述(Support Vector Data Description,SVDD)的异常检测算法不需要对背景或者目标数据作任何分布假设,可将原始数据映射到高维特征空间进行异常检测.基于此,本文提出了一种基于非下采样Contourlet变换的异常检测SVDD算法.算法首先对高光谱数据进行NSCT(Nonsubsampled Contourlet Transform)分解,得到高频信息图像和低频信息图像;然后对低频信息作差,得到背景残差数据,抑制了背景信息;接着通过加权融合得到背景抑制后的高光谱图像,最后利用非线性SVDD将背景抑制后的高光谱图像映射到高维特征空间,完成异常目标的检测.通过仿真实验验证可知,所提出的算法与RX算法、KRX算法和未进行背景抑制的SVDD算法相比,具有较低的异常检测虚警率和优良的检测性能.