System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理,具体涉及一种基于背景纯化和光谱差异引导的高光谱异常检测方法。
技术介绍
1、自编码器是深度学习领域中的一种典型的无监督特征提取器,在对大量数据进行处理时具有比较大的优势。但是在数据处理的过程中,针对高维度数据的处理是比较困难的,同时也给自编码器的特征提取工作带来了不小的挑战,如果直接将原始的高光谱数据进行训练,会造成大量时间和内存的消耗,并且原始的高光谱图像中具有多种信息,会不可避免地强制学习异常特征,进而重构异常,造成检测精度下降。此外,大多数基于自编码器的异常检测方法着重于调整网络结构来提高方法性能,往往会忽视掉高光谱图像中背景或者异常的光谱存在,导致方法对异常和背景分离度不足。
技术实现思路
1、为了克服上述现有技术的缺点,本专利技术提出一种基于背景纯化和光谱差异引导的高光谱异常检测方法,以解决直接训练原始的高光谱数据造成的计算量大、检测精度下降等问题,并进一步解决背景分离不足对高光谱异常检测的准确率产生的影响。
2、为了实现上述目的,本专利技术采用的技术方案如下:
3、一种基于背景纯化和光谱差异引导的高光谱异常检测方法,包括如下步骤:
4、步骤1,利用多重光谱的统计特性,建立基于超像素分割和密度聚类的背景纯化方法;
5、步骤2,使用所述背景纯化方法对高光谱图像进行背景纯化处理,得到近似纯净的背景样本输入至深度自编码器网络中进行训练,获得深度自编码器网络的权重和偏置;其中d和n分别表示光谱维数和像素个数;
6、步骤3,网络训练完毕后,输入高光谱图像h至深度自编码器网络中,获得重构高光谱图像h0,然后计算h0与h之间的重构误差,获得特征分离基准图rpre;
7、步骤4,在光谱差异引导方法中,对高光谱图像h进行分数傅里叶变换,得到特征分离结果h(fr);
8、步骤5,通过光谱差异引导的特征分离方法,从特征分离基准图rpre中得到特征分离权重向量wr,wr与h(fr)结合获得光谱差异引导结果
9、步骤6,计算所述光谱差异引导结果中每一个像素异常概率,所有异常概率即为检测结果ylast。
10、本专利技术还提供了一种计算机可读存储介质,用于存储计算机程序,所述计算机程序使得计算机执行如前所述的基于背景纯化和光谱差异引导的高光谱异常检测方法。
11、本专利技术还提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使得所述计算机执行如前所述的基于背景纯化和光谱差异引导的高光谱异常检测方法。
12、现有技术往往通过自编码器处理海量数据,但是例如高光谱数据这种的高维度数据依然会给自编码器的特征提取工作带来很大的困难,并且会造成大量的时间内存消耗,其在训练的过程中,也不可避免的会学习一些异常特征进而会使检测精度下降;而且现有技术专注于调整网络结构来提高算法的检测性能,并没有关注背景以及异常的光谱属性。
13、与之相比,本专利技术的有益效果体现在:首先,对于高光谱图像数据这种高维度数据,本专利技术构建鲁棒堆叠自编码器来解决传统技术方法在内存、训练时间、训练精度等方面的困难;其次,本专利技术关注到的是现有技术关注度较少的对高光谱图像背景和异常方面的研究,通过背景纯化操作减少背景对异常检测的影响,增加算法对异常和背景的分离度,从而使得异常检测效果更好。
本文档来自技高网...【技术保护点】
1.一种基于背景纯化和光谱差异引导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所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤1中,背景纯化是指利用设定策略对高光谱图像中的异常像素进行筛选移除,获得纯净的背景像素样本P。
3.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤3,通过以下步骤得到特征分离基准图Rpre:
4.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤4,通过以下步骤得到特征分离结果H(Fr):
5.根据权利要求4所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述分数阶变换系数p(Fr)取值为0.9。
6.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤5,通过以下步骤获得光谱差异引导结果
7.根据权利要求6所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述调节特征分离程度的系数σ=1
8.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤6,利用马氏距离计算所述光谱差异引导结果中每一个像素的异常概率,所有异常概率即为异常检测结果Ylast,步骤如下:
9.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1-8中任一项所述的方法。
10.一种包含指令的计算机程序产品,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行权利要求1-8中任一项所述方法。
...【技术特征摘要】
1.一种基于背景纯化和光谱差异引导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所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤1中,背景纯化是指利用设定策略对高光谱图像中的异常像素进行筛选移除,获得纯净的背景像素样本p。
3.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤3,通过以下步骤得到特征分离基准图rpre:
4.根据权利要求1所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述步骤4,通过以下步骤得到特征分离结果h(fr):
5.根据权利要求4所述的基于背景纯化和光谱差异引导的高光谱异常检测方法,其特征在于,所述分数阶变换系数p(fr)取值为0.9。
6.根据权利...
【专利技术属性】
技术研发人员:向培,李翀钰,宋江鲁奇,王顺,赵哲,晏昊,甘长国,朱贺隆,罗云麟,王珂,周慧鑫,秦翰林,王炳健,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
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。