基于泰勒分解与差分多核初始网络的高光谱异常检测方法技术

本发明专利技术公开了一种基于泰勒分解与差分多核初始网络的高光谱异常检测方法，首先载入原始高光谱图像求得平均光谱曲线Xmean，确定第i个测试像素与Xmean的光谱角距离确定中前5％最大值的平均值确定中剩下值的平均值将取得前5％最大值处的位置记为s，将除s外的位置记为t；按照第n阶分解后高光谱图像在位置s处的平均光谱曲线与原始高光谱图像平均光谱曲线的差异与按照第n阶分解后高光谱图像在位置t处的平均光谱曲线与原始高光谱图像平均光谱曲线的差异得到最优的预处理阶数v，从而得到最优的预处理高光谱图像Hv；通过多核差始网络得到差分特征图Y和弱化对角特征图P；将Y与P相加，重复四次，得到纯净的背景图Z；利用原始高光谱图像减去背景图Z，获得最终的检测结果G。

【技术实现步骤摘要】

本专利技术属于图像处理领域，具体涉及一种基于泰勒分解与差分多核初始网络的高光谱异常检测方法。

技术介绍

1、高光谱图像可以看作一个3d立方体，每个波段的高光谱图像可以理解为一个二维图片，以表达图像的空间信息；而从每个像素点观察，每个像素点是由一条光谱曲线构成，从不同的光谱频带表达物体独特的光谱信息，因此hsi在场景理解方面具有独特的优势

2、近年来，基于深度学习的方法广泛应用与高光谱异常检测，li等人首先扩大样本容量，将通过cnn网络生成的像素与伪标签数据进行对比，利用相似度测量结果区分背景与目标。然而，在没有标签的前提下cnn提取深度特征的能力下降。因此，xiang等人提出了一种基于导引自动编码器网络(gaed)的方法，利用由光谱特征生成的引导图像作用于自编码网络，生成干净的背景，与原始图像的误差即为异常目标。wang等人提出了一种基于自适应加权损失函数函数的高光谱异常检测方法(auto-ad)，在训练过程中降低了潜在异常像素的权重，通过重构误差得到检测结果。jiang等人提出了一种低秩嵌入式网络(lren)，使用低阶优化思想构造出差异性更大本文档来自技高网...

【技术保护点】

1.一种基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，该方法为：

2.根据权利要求1所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤一，具体步骤为：

3.根据权利要求1或2所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤二，具体步骤为：

4.根据权利要求3所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤三，具体步骤为：

5.根据权利要求4所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤四，具体步骤为：...

【技术特征摘要】

1.一种基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，该方法为：

2.根据权利要求1所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤一，具体步骤为：

3.根据权利要求1或2所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤二，具体步骤为：

4.根据权利要求3所述的基于泰勒分解与差分多核初始网络的高光谱异常检测方法，其特征在于，所述步骤三，具体步骤为：

5.根...

【专利技术属性】
技术研发人员：尤铭涛，赵东，严伟明，王青，程进，
申请(专利权)人：无锡学院，
类型：发明
国别省市：