[发明专利]一种高光谱图像异常检测方法

权利要求书

1.一种高光谱图像异常检测方法，其特征在于，包括：

获取待处理的高光谱图像；

将所述高光谱图像中的行数据依序输入到预先训练的对抗自编码器AAE中，并获取对应各行数据的隐层特征，采用RXD算法对所有行数据的隐层特征进行异常检测，获取异常检测结果；

训练后的AAE包括：用于输出符合高斯分布的特征数据的编码器，所述编码器包括至少一层LSTM层和批归一化层；

其中，预先采用高光谱图像的训练数据集借助于包括至少一个判别器的训练网络对AAE进行训练以获取的训练后的AAE；

所述训练网络包括：

连接AAE输出的解码器，所述解码器用于将AAE输出的隐层特征进行重建，获取重建后的第一重建高光谱数据；

第一损失函数，所述第一损失函数用于衡量AAE的输入数据与第一重建高光谱数据的重建误差；

第一参数调整单元，用于根据第一损失函数衡量的重建误差，采用误差反向传播算法更新编码器和解码器的参数；

第一判别器，用于获取AAE的输入数据与第一重建高光谱数据的误差损失；

第二参数调整单元，用于根据第一判别器获取的误差损失采用误差反向传播算法调整解码器和第一判别器的参数；

第二判别器，用于获取预先获取的高斯采样数据与AAE输出的隐层特征的误差损失；

第三参数调整单元，用于根据第二判别器获取的误差损失采用误差反向传播算法调整编码器和第二判别器的参数。

2.根据权利要求1所述的方法，其特征在于，

将所述高光谱图像中的行数据依序输入到预先训练的AAE中，包括：

采用推扫式传感器获取所述高光谱图像中的行数据，并将获取的行数据依序输入到预先训练的AAE中。

3.根据权利要求1或2所述的方法，其特征在于，在获取待处理的高光谱图像之前，所述方法还包括：

获取高光谱图像的训练数据集和高斯采样数据；

将所述高光谱图像的训练数据集输入到建立的AAE中，所述AAE针对所述高光谱图像的训练数据集按照逐行的方式分别进行提取处理，获取隐层特征；

将所述隐层特征输入到所述训练网络的解码器中，获取第一重建高光谱数据；

基于所述高光谱图像的训练数据集和所述第一重建高光谱数据，采用所述第一损失函数确定所述高光谱图像的训练数据集和所述第一重建 高光谱数据的重建误差；

根据所述重建误差，采用误差反向传播算法更新编码器和解码器的参数；

将所述高光谱图像的训练数据集和所述第一重建高光谱数据到第一判别器中，获取所述高光谱图像的训练数据集与第一重建高光谱数据的误差损失的误差损失；

根据第一判别器获取的误差损失，第二参数调整单元采用误差反向传播算法调整解码器和第一判别器的参数；

将所述高斯采样数据与AAE输出的隐层特征输入第二判别器中，获取高斯采样数据与AAE输出的隐层特征误差损失；

根据第二判别器获取的误差损失，第三参数调整单元采用误差反向传播算法调整编码器和第二判别器的参数；

重复上述步骤，直至第一损失函数确定所述高光谱图像的训练数据集和所述第一重建高光谱数据的重建误差收敛，则获取训练的AAE。

4.根据权利要求3所述的方法，其特征在于，

所述第一损失函数为：

其中，X为高光谱图像的训练数据集；

且，X＝{x¹，x²，x³，...xⁿ，...}；

其中，xⁿ为高光谱图像的训练数据集X中的第n行的数据；

且，xⁿ＝{xⁿ₁，xⁿ₂，xⁿ₃，...，xⁿ_t，...}；

xⁿ_t为高光谱图像的训练数据集X中的第n行的数据中的第t个像素；

为第一重建高光谱数据；

δ为自定义的参数。