[發明專利]基于動量更新的二分類編碼器網絡的高光譜目標檢測方法

在審

• 申請號: 202310554705.7
• 申請日: 2023-05-17
• 公開（公告）號: CN116563711A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 王立國;王霄衣;劉丹鳳;劉海濤;肖瑛
• 申請（專利權）人: 大連民族大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/74;G06V10/764;G06V10/82;G06V10/762;G06N3/0455;G06N3/082;G06N3/084
• 代理公司: 北京東方盛凡知識產權代理有限公司 11562
• 代理人: 劉芳

1.基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，包括：

將獲取的3-D高光譜圖像轉換為2-D矩陣形式的高光譜圖像，將所述2-D矩陣形式的高光譜圖像進行聚類，并對所述2-D矩陣形式的高光譜圖像的質心進行初始化操作；

基于聚類結果，利用歐氏距離篩選純凈像元，其中所述純凈像元包括背景類像元和目標類像元；

基于所述純凈像元構建背景-目標訓練樣本集，通過所述背景-目標訓練樣本集構建基于動量更新的二分類編碼器網絡，并計算損失函數，對所述二分類編碼器網絡進行優化，獲取訓練好的二分類編碼器網絡；

將所述2-D矩陣形式的高光譜圖像輸入所述訓練好的二分類編碼器網絡中，輸出最終檢測圖。

2.根據權利要求1所述的基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，將所述2-D矩陣形式的高光譜圖像進行聚類，并對所述2-D矩陣形式的高光譜圖像的質心進行初始化操作，包括：

利用k-means作為聚類方法，設置k值，從所述2-D矩陣形式的高光譜圖像中隨機挑選k-1個像元作為初始質心，將已知的目標光譜信息t_p作為第k個質心；

計算所述2-D矩陣形式的高光譜圖像中的每個像元到k個質心的歐氏距離，并將被計算的像元分到距離最小的質心所對應的類中，利用類內平均值作為所述對應的類的新質心，第k類的質心不做更新，直到達到中止條件，完成聚類，獲得聚類質心。

3.根據權利要求2所述的基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，篩選所述純凈像元，包括：

基于所述歐氏距離篩選與各個所述質心在預設距離范圍內的像元，并分別選取固定數量的背景類像元和目標類像元，定義潛在的純凈像元樣本集，包括：

背景像元PB＝[b_c1-1,...,b_c1-50；b_c2-1,...,b_c2-50；...；b_c(k-1)-1,...,b_c(k-1)-50]和目標像元PT＝[t₁,...,t₁₀]。

4.根據權利要求3所述的基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，構建所述背景-目標訓練樣本集，包括：

基于所述背景像元、所述目標像元與已知目標光譜信息t_p，逐像元進行線性混合，生成目標訓練樣本；

將所述背景像元中的像元按照預設比例逐個混合，生成背景訓練樣本；

將所述目標訓練樣本、所述背景訓練樣本混合并打亂順序，并分別對所述目標訓練樣本、所述背景訓練樣本設置標簽，獲取所述背景-目標訓練樣本集。

5.根據權利要求1所述的基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，所述基于動量更新的二分類編碼器網絡，包括：

第一特征編碼器：用于輸出聚類質心的隱層特征；

第二特征編碼器：用于輸出樣本的隱層特征；

二分類編碼器：用于輸出樣本相對應的二分類概率值；

其中，所述第一特征編碼器、所述第二特征編碼器和所述二分類編碼器都由四個全連接層構成，第一特征編碼器、所述第二特征編碼器具有相同的網絡結構，所述第一特征編碼器與所述第二特征編碼器并聯，所述第二特征編碼器和所述二分類編碼器串聯。

6.根據權利要求5所述的基于動量更新的二分類編碼器網絡的高光譜目標檢測方法，其特征在于，計算所述損失函數，包括：

通過反向傳播和動量更新的方法優化所述基于動量更新的二分類編碼器網絡，輸入樣本、聚類質心到所述基于動量更新的二分類編碼器網絡中，計算二分類概率值和標簽的二元交叉熵損失以及聚類質心的隱層特征和輸出樣本的隱層特征的三元組損失，獲得總損失函數。