[發明專利]一種高光譜圖像異常檢測方法

有效

• 申請號: 202110362373.3
• 申請日: 2021-04-02
• 公開（公告）號: CN113111755B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 王津申;歐陽彤彬;鮮寧;武姝潔;趙欣玥
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/82;G06N3/0455;G06N3/0442;G06N3/084
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 齊勝杰

本發明涉及一種高光譜圖像異常檢測方法，包括：獲取待處理的高光譜圖像；將所述高光譜圖像中的行數據依序輸入到預先訓練的對抗自編碼器AAE中，并獲取對應各行數據的隱層特征，采用RXD算法對所有行數據的隱層特征進行異常檢測，獲取異常檢測結果；訓練后的AAE包括：用于輸出符合高斯分布的特征數據的編碼器，所述編碼器包括至少一層LSTM層和批歸一化層；其中，預先采用高光譜圖像的訓練數據集借助于包括至少一個判別器的訓練網絡對AAE進行訓練以獲取的訓練后的AAE。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種高光譜圖像異常檢測方法。

背景技術

異常檢測是指將目標信息(異常信息)從背景和噪聲中分離。高光譜傳感器能夠同時采集到圖像的光譜特征信息和空間特征信息，這使得高光譜圖像在圖像異常檢測領域有突出優勢。但是高光譜圖像波段數量多，數據量大，存在信息冗余與噪聲干擾，不利于直接進行異常檢測，因此需要對高光譜圖像信息進行降維，提取有利于異常檢測的特征。

目前在高光譜圖像的獲取過程中，使用最為廣泛的傳感器為推掃式傳感器，高光譜數據為逐行獲取，而以深度神經網絡為基礎的異常檢測方法是以整幅圖像或逐個像素為輸入。以整幅圖像為輸入的方式無法達到傳感器獲取一行數據就進行一次檢測的實時檢測。逐個像素為輸入的方法則無法提取像素之間的空間信息。

發明內容

(一)要解決的技術問題

鑒于現有技術的上述缺點、不足，本發明提供一種高光譜圖像異常檢測方法，其解決了無法達到傳感器以整幅圖像為輸入的方式獲取一行數據就進行一次檢測的實時檢測技術問題。

(二)技術方案

為了達到上述目的，本發明采用的主要技術方案包括：

第一方面，本發明實施例提供一種高光譜圖像異常檢測方法，包括：

獲取待處理的高光譜圖像；

將所述高光譜圖像中的行數據依序輸入到預先訓練的對抗自編碼器AAE(Adversarial Autoencoder，對抗自編碼器)中，并獲取對應各行數據的隱層特征，采用RXD算法對所有行數據的隱層特征進行異常檢測，獲取異常檢測結果；

訓練后的AAE包括：用于輸出符合高斯分布的特征數據的編碼器，所述編碼器包括至少一層LSTM層和批歸一化層；

其中，預先采用高光譜圖像的訓練數據集借助于包括至少一個判別器的訓練網絡對AAE進行訓練以獲取的訓練后的AAE。

優選的，

所述訓練網絡包括：

連接AAE輸出的解碼器，所述解碼器用于將AAE輸出的隱層特征進行重建，獲取重建后的第一重建高光譜數據；

第一損失函數，所述第一損失函數用于衡量AAE的輸入數據與第一重建高光譜數據的重建誤差；

第一參數調整單元，用于根據第一損失函數衡量的重建誤差，采用誤差反向傳播算法更新編碼器和解碼器的參數；

第一判別器，用于獲取AAE的輸入數據與第一重建高光譜數據的誤差損失；

第二參數調整單元，用于根據第一判別器獲取的誤差損失采用誤差反向傳播算法調整解碼器和第一判別器的參數；

第二判別器，用于獲取預先獲取的高斯采樣數據與AAE輸出的隱層特征的誤差損失；

第三參數調整單元，用于根據第二判別器獲取的誤差損失采用誤差反向傳播算法調整編碼器和第二判別器的參數。

優選的，

將所述高光譜圖像中的行數據依序輸入到預先訓練的AAE中，包括：