[發明專利]基于對抗自編碼網絡的高光譜異常檢測方法有效
| 申請號： | 201910166323.0 | 申請日： | 2019-03-06 |
| 公開（公告）號： | CN109949278B | 公開（公告）日： | 2021-10-29 |
| 發明（設計）人： | 謝衛瑩;劉保珠;李云松;雷杰;陽健 | 申請（專利權）人： | 西安電子科技大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T9/00 |
| 代理公司： | 陜西電子工業專利中心 61205 | 代理人： | 王品華;黎漢華 |
| 地址： | 710071*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 對抗 編碼 網絡 光譜 異常 檢測 方法 | ||
1.一種基于對抗自編碼網絡的高光譜圖像異常檢測方法，其特征在于，包括：
(1)利用像素更新方法，更新原始高光譜圖像中每一個像素點的光譜向量，將更新后所有像素點的光譜向量按照原有的順序構成新的高光譜圖像，得到像素更新后的高光譜圖像訓練數據集；
(2)提取高光譜圖像訓練數據集的光譜特征：
(2a)將生成的高光譜圖像訓練數據集輸入到對抗自編碼網絡中，訓練迭代300次，得到訓練好的網絡；
(2b)從訓練好的網絡中提取對抗自編碼網絡中編碼器的輸出，該輸出即為高光譜圖像訓練數據集的光譜特征；
(3)根據提取到的光譜特征得到高光譜圖像訓練數據集的空間特征：
(3a)利用波段融合方法對光譜特征進行融合，得到一張融合后的圖像：
其中，Y表示融合后圖像，Hi表示光譜特征第i個波段的值，n表示光譜特征的波段總數；
(3b)對融合后的圖像Y進行屬性濾波，得到閉操作的屬性概圖E、原操作的屬性概圖A和開操作的屬性概圖O；
(3c)按照(3b)的結果，得到高光譜圖像訓練數據集的空間特征S：
S＝|O-A|+|C-A|；
(4)利用空間特征S增強原始高光譜圖像的異常目標：
(4a)將三維Mo×No×Bo的原始高光譜圖像K轉換為二維Lo×Bo的矩陣，其中，Mo表示原始高光譜圖像的總行數，No表示原始高光譜圖像的總列數，Bo表示原始高光譜圖像中光譜波段的總數，Lo表示原始高光譜圖像中每一個波段的像素總數；
(4b)將二維Ms×Ns空間特征S轉化為Ls×1的矩陣，其中，Ms表示空間特征的總行數，Ns表示空間特征的總列數，Ls表示空間特征的像素總數；
(4c)利用下述公式，得到異常目標增強之后的高光譜圖像的光譜向量；
Li＝(1-exp(-λSi))Ki
其中，Li表示異常目標增強之后的高光譜圖像的第i個像素對應的光譜向量，λ表示空間特征權值，0＜λ≤1，Si表示空間特征S中第i個像素對應的數值，Ki表示原始高光譜圖像K中第i個像素對應的光譜向量；
(5)計算異常目標增強后的高光譜圖像的異常值：
(5a)將上述求解的異常目標增強之后的高光譜圖像的所有光譜向量Li轉換為二維Le×Be的矩陣，其中Le是異常目標增強之后的高光譜圖像的像素總數，Be是光譜向量的波段總數；
(5b)求解二維矩陣中每一個像素對應的波段的均值，將均值保存為一個均值矩陣I；
(5c)用二維矩陣Le×Be減去均值矩陣I，得到去均值矩陣Q；
(5d)根據去均值矩陣Q，利用RX檢測器公式，計算異常增強后的高光譜圖像中第n個光譜向量的異常值Fn，其中n表示光譜向量的序號，n的取值范圍為1,2,3,…,Be；
(6)根據異常增強后的高光譜圖像中每個光譜向量的異常值Fn，得到異常檢測的結果圖。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學，未經西安電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910166323.0/1.html，轉載請聲明來源鉆瓜專利網。
