基于自适应加权损失和对抗干扰器的遥感异常检测方法技术

本发明专利技术涉及基于自适应加权损失和对抗干扰器的遥感异常检测方法，属于图像处理和遥感异常检测技术领域。将高光谱图像输入自动编码器重建获得背景重建图像，由高光谱图像和背景重建图像计算重建误差图，利用重建误差图分别生成用于计算自适应加权损失函数的权重图和用于对抗性干扰鉴别器的二值化人工伪标签，通过在自编码器中引入自适应加权损失训练和对抗性干扰鉴别器对抗训练，有效地促进了背景区域的重建，并同时抑制了异常区域的准确重建，采用“迭代对抗”的方式，以进一步实现目标。本发明专利技术整个网络以端到端的方式进行训练，从而实现高度准确的遥感异常检测。

【技术实现步骤摘要】

本专利技术涉及一种基于自适应加权损失和对抗干扰器的遥感异常检测方法，采用自适应加权损失函数和对抗性干扰鉴别器，以在遥感图像中抑制异常区域的重建、促进背景区域的重建，从而实现高效的遥感异常检测算法，属于图像处理和遥感异常检测。

技术介绍

1、高光谱遥感异常检测是高光谱信息处理领域中备受关注的重要研究方向之一。该任务旨在检测观测结果中存在明显差异的光谱特征，这些观测结果通常被视为异常，与其周围的背景光谱特征不同。由于在高光谱异常检测中通常缺乏关于异常的先验知识，因此背景的准确估计成为实现有效异常检测的关键步骤。

2、近年来，自动编码器（ae）已广泛应用于高光谱异常检测领域。自动编码器具有能够学习高光谱数据的分层、抽象和高级表示的能力。它的工作原理是重建输入的高光谱图像的背景区域，而异常区域通常难以进行准确重建。由于异常相对较小，仅以低概率出现在图像中，因此在重建过程中通常表现为较大的重建误差。这导致具有大重建误差的区域很可能包含潜在的异常像素，而具有较小重建误差的区域则更可能代表背景像素。尽管如此，但在实际中异常像素仍然具有一定的概率被准确重建。因本文档来自技高网...

【技术保护点】

1.基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，包括步骤如下：

2.根据权利要求1所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤S2中由高光谱图像X和背景重建图像得到的重建误差图，重建误差图E被定义为：

3.根据权利要求2所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤S2中利用重建误差图生成用于自适应加权损失函数的权重图，权重图W被定义如下：

4.根据权利要求3所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤S3中，自适应加权损失函数的计算公式如下：

5....

【技术特征摘要】

1.基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，包括步骤如下：

2.根据权利要求1所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤s2中由高光谱图像x和背景重建图像得到的重建误差图，重建误差图e被定义为：

3.根据权利要求2所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤s2中利用重建误差图生成用于自适应加权损失函数的权重图，权重图w被定义如下：

4.根据权利要求3所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤s3中，自适应加权损失函数的计算公式如下：

5.根据权利要求2所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤s2中用于对抗性干扰鉴别器的二值化人工伪标签被定义如下：

6.根据权利要求5所述的基于自适应加权损失和对抗干扰器的遥感异常检测方法，其特征是，步骤s3中，优化自动编码器的训练步骤为：先将高光谱图像x和背景重建图像在通道维度进行拼接以获得拼接图像，将对抗性干扰鉴别器的参数冻结，然后将拼接图像输入其中，以产生异常预测图像，使用二分类交叉熵损失来最小化异常预测图和人工伪标签之间的差异，损失函数描述为：

7.根据权利要求5所述的基于自适应加权损失和对抗干扰器的遥感异常检测...

【专利技术属性】
技术研发人员：刘玉峰，孙启玉，孙平，杨公平，
申请(专利权)人：山东锋士信息技术有限公司，
类型：发明
国别省市：