【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种基于即插即用张量低秩近似的高光谱异常检测方法和系统。
技术介绍
1、高光谱图像包含丰富的光谱和空间信息，因此已在很多领域中得到广泛应用，如农业监测、矿产勘探和军事防御等。在这些应用中，高光谱异常检测是一种在没有先验信息的情况下检测到与周围背景像素存在显著光谱差异的技术。高光谱图像中的异常，是被定义为具有与绝大部分背景像元具有显著光谱特征差异的小部分其它像元。
2、传统的基于统计模型的异常目标检测方法中，低阶统计量对于准确描述背景与异常目标有局限性，因此基于矩阵分解的异常目标检测方法更为有效，例如基于低秩稀疏矩阵分解的方法。
3、然而，现有高光谱成像异常检测方法受到噪声干扰时，检测性能会严重下降，存在抗噪音能力差、对参数敏感、可拓展性差等不足。
技术实现思路
1、针对现有技术中的部分或全部问题，本专利技术提供一种基于即插即用张量低秩近似的高光谱异常检测方法，该方法包括以下步骤：
2、在数据输入模块中输入被检测图像数据集，并存储于数据库中；
3、提取数据库中的被检测图像数据集，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征；
4、将所述提取的数据特征输入数据分析模块中，并使用交替方向乘子法进行数据的分析处理；以及
5、将所述分析处理的结果输入结果分析模块，并在结果分析模块中执行图像的异常分析。
6、进一步地，在数据特征提取模块中使用
7、将被检测图像数据集看做一个三阶张量，结合稀疏表示和张量分解，将图像分离为背景、异常、噪声三个方面，构建即插即用的张量低秩近似模型，该模型表示为，
8、
9、
10、其中，min表示函数最小值，x为张量，a为字典，z为表示系数，e为异常，n为噪声；表示即插即用先验，||ε||f，0表示异常张量ε的f0范数；表示噪声n的frobenius范数的平方，可以分辨噪声和异常滤除噪声；λ和μ均为权衡参数。
11、进一步地，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征还包括：
12、使用预训练的卷积神经网络的去噪网络用于数据特征的提取。
13、进一步地，使用交替方向乘子法进行数据的分析处理包括：
14、在所述构建的即插即用的张量低秩近似模型的基础上构造增广拉格朗日函数，函数表示如下，
15、
16、
17、其中，x为张量，a为字典，z为表示系数，e为异常，n为噪声；表示即插即用先验；||ε||2，0表示异常张量ε的2，0范数；w为拉格朗日乘数；λ和μ均为权衡参数；惩罚参数β>0，<·>表示矩阵内积，表示矩阵的f范数的平方。
18、进一步地，使用交替方向乘子法进行数据的分析处理还包括：
19、对于所述增广拉格朗日函数，使用交替方向乘子法设计程序进行求解，依次计算迭代，更新得到噪声n、拉格朗日乘数w、异常e、背景z的值；以及
20、如果两次计算迭代的结果相对误差小于10^-3或者迭代次数到达200次，则停止计算迭代。
21、进一步地，在结果分析模块中执行图像的异常分析包括：
22、使用roc曲线和auc值对所述分析处理的结果进行定性和定量分析。
23、本专利技术还提供一种基于即插即用张量低秩近似的高光谱异常检测系统，该系统包括以下模块：
24、数据输入模块，被配置为输入被检测图像数据集，并存储于数据库中；
25、数据特征提取模块，被配置为提取数据库中的被检测图像数据集，在其中中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征；
26、数据分析模块，被配置为输入所述提取的数据特征，并使用交替方向乘子法进行数据的分析处理；以及
27、结果分析模块，被配置为输入所述分析处理的结果，在其中执行图像的异常分析。
28、本专利技术还提供一种计算机系统，包括：
29、处理器，其被配置为执行机器可读指令；以及
30、存储器，其被存储有机器可读指令，所述机器可读指令在被处理器执行时执行所述的高光谱异常检测方法的步骤。
31、本专利技术还提供一种计算机可读存储介质，其上存储有机器可读指令，所述机器可读指令在被处理器执行时执行所述的高光谱异常检测方法的步骤。
32、与现有技术相比，本专利技术具有以下优点：
33、1.本专利技术使用的算法使用预训练的卷积神经网络，能够自动进行特征的提取。
34、2.本专利技术开发了基于交替方向乘子法框架的统一一阶优化算法。
35、3.本专利技术使用一个新的张量稀疏度表示局部异常，可以精确地提取异常。
本文档来自技高网...【技术保护点】
1.一种基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征包括：
3.根据权利要求2所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征还包括：
4.根据权利要求1所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，使用交替方向乘子法进行数据的分析处理包括：
5.根据权利要求4所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，使用交替方向乘子法进行数据的分析处理还包括：
6.根据权利要求1所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，在结果分析模块中执行图像的异常分析包括：
7.一种基于即插即用张量低秩近似的高光谱异常检测系统，其特征在于，包括以下模块：
8.一种计算机系统，其
9.一种计算机可读存储介质，其特征在于，其上存储有机器可读指令，所述机器可读指令在被处理器执行时执行根据权利要求1-6之一所述的方法的步骤。
...【技术特征摘要】
1.一种基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征包括：
3.根据权利要求2所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，在数据特征提取模块中使用即插即用的张量低秩近似法从所述被检测图像数据集提取数据特征还包括：
4.根据权利要求1所述的基于即插即用张量低秩近似的高光谱异常检测方法，其特征在于，使用交替方向乘子法进行数据的分析处理...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。