(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 113902972 A
(43)申请公布日 2022.01.07
(21)申请号 CN202111122569.1
(22)申请日 2021.09.24
(71)申请人 西安电子科技大学
    地址 710065 陕西省西安市雁塔区太白南路2号
(72)发明人 李欢 李幸 周慧鑫 于跃 阳文涛 宋江鲁奇 向培 张喆 田成 张鑫 唐骏 陈戈韬 杨庆友 秦翰林 王炳健
(74)专利代理机构 61258 西安志帆知识产权代理事务所(普通合伙)
    代理人 侯峰;韩素兰
(51)Int.CI
      G06V20/10(20220101)
      G06V10/25(20220101)
      G06V10/26(20220101)
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      一种基于低维流形建模和协同表示的高光谱图像异常检测方法
(57)摘要
      本申请公开了一种基于低维流形建模和协同表示的高光谱图像异常检测方法，该方法包括：获取原始高光谱图像的采样图像；根据采样图像，确定背景图像；基于原始高光谱图像的每一个像元，在背景图像对应位置像元的周围构建背景字典；基于背景字典，确定原始高光谱图像的每一个像元的重构像元；确定重构像元与原始高光谱图像对应像元的残差，根据残差与预设阈值判定像元类别，得到检测结果。该方案的基于低维流形建模和协同表示的高光谱图像异常检测方法可以有效检测出高光谱图像中的异常点目标，并且可以更高的抑制背景信息。
法律状态
法律状态公告日
法律状态信息
法律状态
2022-01-25
实质审查的生效
实质审查的生效
2022-01-07
公开
公开

权 利 要 求 说 明 书


1.一种基于低维流形建模和协同表示的高光谱图像异常检测方法,其特征在于,所述方法包括:

获取原始高光谱图像的采样图像;

根据所述采样图像,确定背景图像;

基于所述原始高光谱图像的每一个像元,在所述背景图像对应位置像元的周围构建背景字典;

基于所述背景字典,确定所述原始高光谱图像的每一个像元的重构像元;

确定所述重构像元与所述原始高光谱图像对应像元的残差,根据所述残差与预设阈值判定像元类别,得到检测结果。



2.根据权利要求1所述的方法,其特征在于,所述根据所述采样图像,确定背景图像,包括:

采用低维流形方法重构每个所述采样图像的背景部分;


确定所有所述背景部分的平均值;

将所述平均值作为所述背景图像。



3.根据权利要求2所述的方法,其特征在于,所述采用低维流形方法重构每个所述采样图像的背景部分,包括:

选取原始高光谱图像Y作为初始化X
l
(0)
;

根据
及
从X
l
(k)
中抽取三维块集合PX
l
(k)
,计算空间域中的相似性矩阵;其中,
表征三维块之间的相似度,P表示三维块集合映射算子,k表示第k次迭代,ω(q,s)为高斯权重函数,式中σ(q)是正则化因子,表示三维块q和它的第z个最近邻之间的距离;

根据
确定新的相似性矩阵;其中,d
s
=d
1
×d
正则化可以理解为一种什么法2
,d
1
和d
2
代表三维块的空间维度;

根据
对于每一个光谱波段t,使用广义最小残差法更新(X
l
t
)
(k+1)
;
其中,
为
的空间采样,P
i
t
X(q)为三维块P
q
(X)中的第(i,t)个元素,
为采样率的倒数,μ=1/r-1,λ
1
为低维流形建模背景重建的正则化参数;

将X
l
=X
l
(k+1)
,X
l
(k)
=X
l
(k+1)
,返回所述计算空间域中的相似性矩阵,直至X
l
收敛,输出X
l
;

将X
l
作为所述采样图像的背景部分。



4.根据权利要求1所述的方法,其特征在于,所述在所述背景图像对应位置像元的周围构建背景字典,包括:

在背景图像对应位置像元的周围,使用双窗口策略选取邻域像元构成背景字典。



5.根据权利要求4所述的方法,其特征在于,所述在背景图像对应位置像元的周围,使用双窗口策略选取邻域像元构成背景字典,包括:

以所述背景图像中的待测像元为中心,构建一个嵌套的内窗和外窗;


将所述内窗和所述外窗之间的像元作为邻域像元集;

将所述领域像元集中所述像元按列排列组成矩阵,所述矩阵为所述原始高光谱图像中波段数×像元个数;

将所述矩阵确定为所述背景字典。



6.根据权利要求1所述的方法,其特征在于,所述基于所述背景字典,确定所述原始高光谱图像的每一个像元的重构像元,包括:

基于所述背景字典,根据协同表示原理,确定所述原始高光谱图像的每一个像元的重构像元。




7.根据权利要求6所述的方法,其特征在于,所述基于所述背景字典,根据协同表示原理,确定所述原始高光谱图像的每一个像元的重构像元,包括:

根据
求解满足条件的最优解
其中,D
i
为背景字典,α为背景字典D
i
对应的权重向量,λ
2
为协同表示检测正则化参数,I为单位矩阵;

根据所述最优解及所述背景字典,确定所述重构像元。




8.根据权利要求1所述的方法,其特征在于,所述确定所述重构像元与所述原始高光谱图像对应像元的残差,包括:

采用L
2
范数计算重构像元与原始高光谱图像对应像元的残差。



9.根据权利要求8所述的方法,其特征在于,所述根据所述残差与预设阈值判定像元类别,得到检测结果,包括:

若所述残差大于所述预设阈值,则判定所述像元为异常像元;


若所述残差小于或等于所述预设阈值,则判定所述像元为背景;

对所有所述像元判定后,将所有判定结果按照空间排列输出,得到异常检测结果。



10.根据权利要求1-9任一项所述的方法,其特征在于,所述获取原始高光谱图像的采样图像,包括:

获取所述原始高光谱图像;

对所述原始高光谱图像进行随机采样,得到所述原始高光谱图像的采样图像。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。