CN115239694B 融合鲁棒字典和双协同约束正则项的高光谱异常检测方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115239694B(45)授权公告日2025.07.08

(21)申请号202210985411.5

(22)申请日2022.08.17

(65)同一申请的已公布的文献号申请公布号CN115239694A

(43)申请公布日2022.10.25

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人王海林生张敏成曦周科学李松霖赵少博董优强

(74)专利代理机构陕西电子工业专利中心61205

专利代理师侯琼王品华

GO6V10/77(2022.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6V20/10(2022.01)

GO6T3/04(2024.01)

GO6N3/047(2023.01)

GO6N3/048(2023.01)

GO6N3/0499(2023.01)

(56)对比文件

A,2018.03.23A,2019.11.01107833208110399909

A,2018.03.23A,2019.11.01

107833208

110399909

审查员郑玲玲

(51)Int.CI.

GO6T7/00(2017.01)

GO6V10/762(2022.01)权利要求书4页说明书10页附图2页

(54)发明名称

融合鲁棒字典和双协同约束正则项的高光谱异常检测方法

(57)摘要

CN115239694B本发明提出了一种融合鲁棒字典和双协同约束正则项的高光谱异常检测方法，用于解决字典构造时鲁棒性较差以及信息利用不充分导致检测结果欠佳的问题。包括：1)利用密度估计模型和局部异常因子得到密度图，并对其进行逐像素相乘以及逐像素相加操作，获取背景抑制图和异常增强图；2)对背景抑制图和异常增强图进行二值化处理得到其索引图，构造潜在异常字典和背景字典；3)构建基于双协同约束正则项的低秩与稀疏表示模型并进行优化求解，得到初始检测结果；4)利用背景抑制图和异常增强图对初始检测结果进行非线性变换，获取最终检测结果。本发明增强了字典的鲁棒性，且充分考虑全局特性和局部特性，从而有效提升了高光谱异常检测效

CN115239694B

背景字典

潜在异常检测一

结果结果

◎逐像素相乘

④逐像素相加

背景密度图1k抑制图

增盗图

成分前3个经来分制超像素

高光调

主

CN115239694B权利要求书1/4页

2

1.一种融合鲁棒字典和双协同约束正则项的高光谱异常检测方法，其特征在于，包括如下步骤：

(1)输入高光谱图像X∈RH×W×d,其中H、W和d分别表示高光谱图像的高度、宽度和波段数；

(2)分别利用密度估计模型和局部异常因子评估高光谱图像X中所有像素的密度值，得到第一密度图D?和第二密度图D?;并将Dm和D分别进行逐像素相乘以及逐像素相加操作，获取背景抑制图D?和异常增强图D?;

(3)利用密度估计模型对高光谱图像X进行聚类，每个聚类均服从高斯分布，记录聚类的位置索引为{Po?,Po?,…,Po,…,Po,其中i∈[1,n]表示聚类的索引，n,表示聚类总数；

在背景抑制图D?和异常增强图D?的Po位置上，利用3σ原则分别对其进行二值化处理，得到第一索引图B?和第二索引图B?;

(4)使用第一索引图B?和第二索引图B?构造潜在异常字典XA和背景字典XB;

(5)首先，将高光谱图像X转化为二维形式图像X∈Rd×N,其中，N=H×W;其次，根据潜

在异常字典XA和背景字典XB,将二维形式图像X分解成低秩分量XW、稀疏分量XS和噪声分量E:

X=XW+XAS+E,

其中，W和S分别表示低秩分量和稀疏分量的表示系数矩阵；

(6)将步骤(5)中X的分解公式作为约束条件，构建基于双协同约束正则项的高光谱异常检测优化目标函数：

s.t.X=XW+XAS+E

其中，α、β、λ和γ分别表示第一、第二、第三和第四正则化系数，s.t.表