[發明專利]一種基于張量分解網絡的高光譜異常檢測方法

在審

• 申請號: 202110993380.3
• 申請日: 2021-08-27
• 公開（公告）號: CN113807203A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 孫幫勇;趙哲
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王奇

1.一種基于張量分解網絡的高光譜異常檢測方法，其特征在于，按照以下步驟具體實施：

步驟1、選取背景樣本數據集，

輸入的原始高光譜影像記為上角標W、H和D分別表示原始高光譜影像的寬、高和波段數；

步驟2、通過自編碼器和張量分解網絡來恢復背景數據信息，

先將訓練集送入編碼器中進行編碼，通過三層編碼網絡逐步將輸入數據降維：D→128→64→24，得到潛在特征

通過張量分解網絡從潛在特征中分解出背景的低秩張量張量分解網絡包括RTGB模塊和LTGB模塊，RTGB模塊根據輸入生成對應的秩為一的張量，而LTGB模塊采用殘差結構和RTGB模塊生成R個秩為一的張量，然后將R個秩為一的張量進行通道拼接，再使用1×1卷積降維得到背景低秩張量具體過程是：

對于輸入的潛在特征先分別從通道方向、寬度方向以及高度方向取全局平均池化，并將得到的三個方向向量先經過1×1卷積，再進行Sigmoid激活，接著通過克羅內克積生成秩為一的張量，具體表達式如下：

其中，O_i表示第i個秩為一的張量，分別表示通道、寬度以及高度方向的平均池化向量，表示克羅內克積，

將上一個RTGB模塊的輸入與輸出的差作為下一個RTGB模塊的輸入，生成下一個秩為一的張量，重復此操作，直到生成R個秩為一的張量，再將R個秩為一的張量進行通道拼接，經過卷積后得到背景低秩張量表達式如下：

L_rank＝Conv(tf.concat(O₁,O₂,...,O_R)) (3)

其中，tf.concat(·)表示通道拼接操作，在得到低秩張量后，通過解碼器的解碼操作，逐層恢復出背景數據

步驟3、通過重構誤差進行異常檢測，得到最終的檢測結果圖。

2.根據權利要求1所述的基于張量分解網絡的高光譜異常檢測方法，其特征在于：所述的步驟1中，具體過程是，

通過馬氏距離來計算原始高光譜影像X上每一個像素點的異常響應值，它的大小為

假設預先設置的背景樣本的選取比率為將異常響應值最小的個像素置為1，其余像素標記為0，其中WH表示總像素數目，從而得到一個權值矩陣其中，1表示要選取的背景樣本，0表示剔除掉的潛在異常像素，背景樣本訓練集的表達式如下：

其中，⊙表示像素點乘，表示得到的背景樣本的訓練集。

3.根據權利要求1所述的基于張量分解網絡的高光譜異常檢測方法，其特征在于：所述的步驟2中，編碼器網絡結構一共有三層，每一層包括1×1卷積和LReLu激活函數，參照表1，編碼器網絡結構的具體內容是：

4.根據權利要求1所述的基于張量分解網絡的高光譜異常檢測方法，其特征在于：所述的步驟2中，解碼器網絡結構一共有三層，每層包括一個1×1卷積和LReLu激活函數，參照表2，解碼器網絡結構的具體內容是：

5.根據權利要求1所述的基于張量分解網絡的高光譜異常檢測方法，其特征在于，所述的步驟3中，具體過程是：

采用結構相似性損失來緩解圖像模糊問題，表達式如下：

其中，μ_X、表示輸入圖像和重建圖像的均值，δ_X、表示輸入圖像和重建圖像的方差，C₁＝0.01、C₂＝0.03，λ＝0.5表示權值參數；當網絡收斂后，通過重構的背景數據和輸入數據得到重構誤差進行異常檢測，表達式如下：

其中，||·||₂表示L2范數，表示最終的檢測結果圖。