CN116777832B 空间-光谱联合遥感高光谱图像的异常检测方法 （哈尔滨工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116777832B(45)授权公告日2025.07.11

(21)申请号202310414342.7

(22)申请日2023.04.18

(65)同一申请的已公布的文献号申请公布号CN116777832A

(43)申请公布日2023.09.19

(73)专利权人哈尔滨工业大学

地址150001黑龙江省哈尔滨市南岗区西

大直街92号

(72)发明人张钧萍唐雨欣张晔

GO6N3/045(2023.01)

GO6N3/0455(2023.01)

GO6N3/0499(2023.01)

GO6N3/048(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN114387226A,2022.04.22CN115272776A,2022.11.01审查员贾云杰

(74)专利代理机构哈尔滨市松花江联合专利商

标代理有限公司23213专利代理师于歌

(51)Int.CI.

GO6T7/00(2017.01)

GO6V10/82(2022.01)权利要求书3页说明书9页附图4页

(54)发明名称

空间-光谱联合遥感高光谱图像的异常检测

方法

(57)摘要

CN116777832B空间-光谱联合遥感高光谱图像的异常检测方法，属于高光谱图像技术领域，本发明为解决现有高光谱异常检测存在数据存在特征维度大、数据量大、数据相关性高、冗余度高，以及准确性和效率比较差的问题。它包括：对高光谱图像中的数据进行波段分组预处理；将波段分组后的高光谱数据作为输入，构建Transformer深度学习模型，对高光谱图像的背景进行重建；采用空间-光谱联合方法对重建背景的图像与原始高光谱图像之间的残差图像进行联合检测，分别获得光谱域和空间域的异常检测结果，将光谱域和空间域的异常检测结果进行线性组合，获得高光谱图像的异常检测结果。本发明用于高光谱图像的异

CN116777832B

能量图

能量图

au

△Y→

RXD

空间域异常检测结果

光谱域异常检测结果

光谱域异常检测结果

形态学滤波器

CN116777832B权利要求书1/3页

2

1.空间-光谱联合遥感高光谱图像的异常检测方法，其特征在于，它包括：

S1、对高光谱图像中的高光谱数据进行波段分组预处理；

S2、将波段分组后的高光谱数据作为输入，构建Transformer深度学习模型，对高光谱图像的背景进行重建；

S3、采用空间-光谱联合方法对重建背景的图像与原始高光谱图像之间的残差图像进行联合检测，分别获得光谱域和空间域的异常检测结果，将光谱域和空间域的异常检测结果进行线性组合，获得原始高光谱图像的异常检测结果；

S3所述重建背景与原始高光谱图像之间的残差图像的方法包括：

重建背景的图像Y与原始高光谱图像Y之间，通过逐点计算获得残差图像△Y:

△Y=|Y-Y|∈RM×N×B;

S3所述获得光谱域异常检测结果的具体方法包括：

在光谱域，采用Mahalanobis距离对残差图像进行处理，分离背景像素和异常像素，获得光谱域异常检测结果Dspectra?:

Dspectral=(△y,-μ)Tr1(△y?-u)

其中，△y;表示△Y的第i个像素值，μ表示△Y的均值，T?1表示△Y的协方差矩阵；

S3所述获得空间域的异常检测结果的具体方法包括：

其中，Dspatia?表示空间域异常检测结果，E表示能量图，fpen(E)表示开运算操作，fclose

(E)表示闭运算操作。

2.根据权利要求1所述的空间-光谱联合遥感高光谱图像的异常检测方法，其特征在于，S1所述对高光谱图像中的数据进行波段分组预处理的具体方法包括：

S1-1、高光谱图像是具有M×N个B维的向量合集，表示为：

Y∈R××B,Y={y?,y?,…,yMx,

对高光谱图像Y进行归一化