龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国科大杭州高等研究院
摘要：本发明的一种基于非线性矩阵分解的高光谱异常目标检测方法，包括以下步骤：S1,构建背景字典，S2.图像非线性分解，S3.定位异常目标，设置检测阈值，将步骤S2获取的异常目标分量与设定的检测阈值进行对比，判断异常目标分量中的像元是否为目标。本发明的一种基于非线性矩阵分解的高光谱异常目标检测方法，通过核方法和矩阵分解为高光谱数据在处理非线性特征和异常检测方面提供了一种有效的途径，解决基于线性模型的异常检测方法不足准确描述高光谱数据的非线性结构，以及准确分离背景与目标的问题。
主权项：1.一种基于非线性矩阵分解的高光谱异常目标检测方法，包括以下步骤：S1，构建背景字典，S1.1对待检测的高光谱图像进行超像素分割，舍弃孤立像素，获取具有高空间和光谱相似性的超像素区域；S1.2采用稀疏表示模型描述超像素区域；S1.3计算背景的系数矩阵中列向量的和，并使其按照降序排列，选取前p％的结果对应的原子，用于构建整个图像的背景字典；S2.图像非线性分解，S2.1，采用高斯核函数将待检测的高光谱数据映射到一个高维特征空间，在高维特征空间将高光谱图像分解为背景和异常目标两部分，通过对背景的系数矩阵进行低秩约束、异常目标进行稀疏约束，将图像分解问题转换为优化问题；S2.2采用近端梯度下降法更新背景的系数矩阵；S2.3采用近端梯度下降法更新异常目标分量；S2.4对误差变化进行监测，与阈值进行判断：当矩阵非线性分解的误差变化小于设定阈值时，判定矩阵分解已经收敛，此时停止迭代，并输出异常目标分量；否则，重复步骤S2.2和S2.3，直至满足收敛条件，获得异常目标分量；S3.定位异常目标，设置检测阈值，将步骤S2获取的异常目标分量与设定的检测阈值进行对比，判断异常目标分量中的像元是否为目标。
全文数据：
权利要求：
百度查询： 国科大杭州高等研究院 一种基于非线性矩阵分解的高光谱异常目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号