[发明专利]基于联合深度置信网络的高光谱图像异常目标检测方法有效
| 申请号： | 201911027963.X | 申请日： | 2019-10-28 |
| 公开（公告）号： | CN110781832B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 张丽丽;成宝芝 | 申请（专利权）人： | 大庆师范学院 |
| 主分类号： | G06V20/13 | 分类号： | G06V20/13;G06V10/77;G06V10/82;G06N3/0464;G06N3/088 |
| 代理公司： | 黑龙江省百盾知识产权代理事务所(普通合伙) 23218 | 代理人： | 孙淑荣 |
| 地址： | 163712 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于联合深度置信网络的高光谱图像异常目标检测方法，该方法基于深度置信网络实现，有效地利用了张量结构和低秩稀疏分解理论，展示出较好的异常检测效果。本发明包括：首先在高光谱图像中利用测试点张量和其DBNs重建误差进行异常检测；采用LRASMD获得高光谱图像的稀疏矩阵；在稀疏矩阵中，利用测试点张量和其DBNs重建误差进行异常检测；最后，采用JDBN检测器获得最终的异常检测结果。本发明无需对高光谱数据分布模型进行假设；采用了高光谱图像和其稀疏矩阵的联合模型，降低了低秩矩阵最大秩和稀疏矩阵基数的盲选取对检测结果的影响；利用测试点张量代替测试点向量，考虑空谱特性，使检测结果更可靠。 | ||
| 搜索关键词： | 基于 联合 深度 置信 网络 光谱 图像 异常 目标 检测 方法 | ||
【主权项】：
1.基于联合深度置信网络的高光谱图像异常目标检测方法，包括以下几个步骤：/n首先，对待处理的高光谱图像数据分别进行如下处理：/n步骤(1)：对高光谱图像数据中利用测试点张量DBNs重建误差进行异常检测；/n步骤(2)：利用低秩稀疏分解LRASMD获得待处理的高光谱图像数据的稀疏矩阵；在稀疏矩阵中计算测试点张量DBNs重建误差进行异常检测；/n然后，利用联合深度置信网络检测器对上述两个异常检测结果进行处理，获得高光谱图像异常目标检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大庆师范学院，未经大庆师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911027963.X/，转载请声明来源钻瓜专利网。
