買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜溫州大學(xué)申請(qǐng)的專(zhuān)利一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119963930B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510444288.X，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法是由洪立;夏超群;項(xiàng)維特設(shè)計(jì)研發(fā)完成，并于2025-04-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法，包括如下步驟：步驟S1，輸入及參數(shù)設(shè)定；步驟S2，異常增強(qiáng)線路；步驟S3，背景重構(gòu)線路；步驟S4，異常點(diǎn)判定；步驟S5，高光譜數(shù)據(jù)更新；步驟S6，檢測(cè)圖生成。本發(fā)明中，背景重構(gòu)線路專(zhuān)注于背景重構(gòu)，異常增強(qiáng)線路負(fù)責(zé)異常增強(qiáng)，兩者互為補(bǔ)充，相互促進(jìn)，實(shí)現(xiàn)了更加準(zhǔn)確的異常檢測(cè)，克服了傳統(tǒng)方法中背景重構(gòu)和異常檢測(cè)較難有效結(jié)合的問(wèn)題。本發(fā)明中，結(jié)合超像素技術(shù)，使用基于與周?chē)袼攸c(diǎn)對(duì)比的異常檢測(cè)策略，提高了對(duì)局部的敏感性，使異常目標(biāo)的選取更加簡(jiǎn)便且高效，提升了檢測(cè)效率，避免可能存在的計(jì)算冗余和效率瓶頸。

本發(fā)明授權(quán)一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種基于雙線路迭代卷積神經(jīng)網(wǎng)絡(luò)的高光譜異常檢測(cè)方法，其特征在于，包括如下步驟： 步驟S1，輸入及參數(shù)設(shè)定，輸入高光譜數(shù)據(jù)，將高光譜數(shù)據(jù)投入到異常增強(qiáng)線路和背景重構(gòu)線路，初始化超像素個(gè)數(shù)、卷積核大小、學(xué)習(xí)率以及迭代次數(shù)； 步驟S2，異常增強(qiáng)線路中，將高光譜數(shù)據(jù)投入進(jìn)異常檢測(cè)器中，以得到異常概率圖，并使用連通區(qū)域分析來(lái)篩選異常區(qū)域，以生成異常檢測(cè)圖，采用滑動(dòng)平均更新策略，得到異常概率檢測(cè)圖； 步驟S3，背景重構(gòu)線路中，全局魯棒CNN，對(duì)高光譜數(shù)據(jù)進(jìn)行超像素劃分并構(gòu)建拉普拉斯矩陣；將上述操作融合至卷積神經(jīng)網(wǎng)絡(luò)中，對(duì)高光譜數(shù)據(jù)進(jìn)行重構(gòu)，重構(gòu)后的數(shù)據(jù)與原數(shù)據(jù)的誤差作為異常概率檢測(cè)圖； 步驟S4，異常點(diǎn)判定，將異常增強(qiáng)線路和背景重構(gòu)線路分別得到的異常概率檢測(cè)圖進(jìn)行點(diǎn)乘，得到最終異常概率圖； 步驟S5，高光譜數(shù)據(jù)更新，根據(jù)最終異常概率圖對(duì)異常增強(qiáng)線路和背景重構(gòu)線路輸入的高光譜數(shù)據(jù)進(jìn)行實(shí)時(shí)更新； 步驟S6，檢測(cè)圖生成，完成迭代后，將更新后的背景重構(gòu)線路的輸入數(shù)據(jù)與原數(shù)據(jù)的差異作為異常檢測(cè)圖輸出； 在步驟S3中，卷積神經(jīng)網(wǎng)絡(luò)采用編碼-解碼網(wǎng)絡(luò)結(jié)構(gòu)，編碼網(wǎng)絡(luò)用于提取局部特征，在其輸出上加入拉普拉斯矩陣后再投入到解碼網(wǎng)絡(luò)，作為解碼網(wǎng)絡(luò)的輸入； 步驟S2具體包括如下步驟： 步驟S21，領(lǐng)域差異分析，將高光譜數(shù)據(jù)投入進(jìn)異常檢測(cè)器中，高光譜數(shù)據(jù)按波段融合并進(jìn)行超像素劃分，每個(gè)像素點(diǎn)根據(jù)與周?chē)袼氐牟町惓潭葋?lái)判斷異常程度，得到異常概率圖，并通過(guò)連通區(qū)域分析從一致性圖像中篩選異常區(qū)域，剔除面積過(guò)大的區(qū)域，以生成異常檢測(cè)圖； 步驟S22，滑動(dòng)平均更新，將所有的異常檢測(cè)圖采用滑動(dòng)平均更新策略，得到異常概率檢測(cè)圖； 在步驟S2中，異常檢測(cè)器的檢測(cè)包括如下步驟： 步驟S211，將高光譜數(shù)據(jù)按波段進(jìn)行求和，生成灰度圖像G； 步驟S212，將灰度圖像G的每個(gè)像素值表示為所有波段的和： 將灰度圖像G歸一化到[0，1]的區(qū)間；其中，m為圖像的寬度，n為圖像的高度，b為圖像的波段數(shù)，為灰度圖像G的像素點(diǎn)的值； 步驟S213，將歸一化后的灰度圖像G通過(guò)超像素分割算法劃分為多個(gè)超像素區(qū)域，賦予每個(gè)超像素一個(gè)唯一的標(biāo)簽，表示當(dāng)前像素所屬的超像素區(qū)域； 步驟S214，設(shè)當(dāng)前超像素的標(biāo)簽為，并設(shè)置一個(gè)距離參數(shù)d，通過(guò)距離領(lǐng)域擴(kuò)展來(lái)找到包圍該超像素的像素，設(shè)當(dāng)前像素值為，領(lǐng)域像素值為，領(lǐng)域的計(jì)算公式為： =； 步驟S215，計(jì)算當(dāng)前像素值與領(lǐng)域像素值的均值差異： ； 步驟S216，將差異值平方并記錄在異常概率圖M中，并進(jìn)行標(biāo)準(zhǔn)化處理： ； 步驟S217，計(jì)算中前5%的像素值的閾值T： 式中，將異常概率圖M中的所有像素值按降序排列，將前5%的像素值轉(zhuǎn)換為1； 步驟S218，進(jìn)行連通區(qū)域分割，為每個(gè)異常組件計(jì)算其包含的像素點(diǎn)數(shù)量，將各像素塊記為，i=1,2,3…；若的像素點(diǎn)數(shù)量大于50，則認(rèn)為該像素塊不是異常點(diǎn)，記為0；否則，保留原始的值。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人溫州大學(xué)，其通訊地址為：325000 浙江省溫州市甌海區(qū)茶山高教園區(qū)溫州大學(xué)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。