[发明专利]基于生成对抗网络的高光谱异常检测方法

摘要

本发明提供的是一种基于生成对抗网络的高光谱异常检测方法。1、构建符合高光谱图像数据特点的网络模型，2、使用高光谱数据集作为训练样本，训练出一个符合高光谱数据统计特性的概率模型，3、利用训练完成的判别器来计算待测像元属于真实高光谱数据集的概率，4、计算高光谱数据集中的每个像元的异常检测结果。本发明利用生成对抗网络的思想，训练出符合高光谱图像数据特征的概率模型，该模型能够生成符合真实高光谱数据集整体统计特性的生成数据集，并且能够判断一个像元属于高光谱数据集的概率。本发明不需要对高光谱数据集的特征进行模型假设，能够直接估计出符合待测高光谱数据统计特性的概率模型，使检测结果更加可靠。

主权项

一种基于生成对抗网络的高光谱异常检测方法，其特征是：步骤(1)：构建符合高光谱图像数据特点的网络模型，网络模型由生成器G和判别器D两个网络构成，生成器G和判别器D都是由三层神经网络组成，分别为输入层、隐含层和输出层，其中判别器D是一种典型的用于二分类的网络结构，输出层只有一个单元，判别器D能够得到待测数据是否真实的概率；生成器G能够通过输入的随机噪声生成与真实高光谱数据集同维度的生成数据集；步骤(2)：使用高光谱数据集作为训练样本，训练出一个符合高光谱数据统计特性的概率模型，使用高光谱数据集作为训练样本，结合步骤(1)构建的网络模型，通过生成器G和判别器D的交替训练，训练生成器G使生成数据集G的分布无限接近于真实的高光谱数据集X，即使生成器D认为数据集G中的样本为‘真’；训练判别器D区分数据集G和X；步骤(3)：利用训练完成的判别器来计算待测像元属于真实高光谱数据集的概率，当两个模型达到稳态时，整个网络模型是一种符合高光谱数据统计规律的概率模型，生成的数据集G是一组符合真实高光谱数据统计规律的新样本集合，判别器计算出待测样本符合高光谱数据集统计规律的概率；步骤(4)：计算高光谱数据集中的每个像元的异常检测结果，将在某种程度上偏离背景分布的目标定义为异常，即异常目标的光谱信息明显不同于背景，。异常目标的检测结果定义为像元不属于高光谱数据集的概率。