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：大连民族大学
摘要：本发明公开了一种基于原型学习特征差异优化网络的高光谱异常检测方法，包括：构建训练样本；利用ResNet50网络提取像元特征；构建加权的InfoNCE损失函数和重建损失函数；构建整体损失函数，利用反向梯度传播，实现网络更新。将原始的高光谱图像输入到训练好的模型中，输出重建图像。通过马氏距离计算出最终检测图。本发明解决了由光谱变异、噪声干扰等因素造成的背景与异常像元间光谱差异不显著的问题，通过增强背景与异常特征之间的区分度，提升异常检测的准确性。
主权项：1.一种基于原型学习特征差异优化网络的高光谱异常检测方法，其特征在于，包括：获取3-D高光谱图像并转换为2-D矩阵，将所述2-D矩阵的光谱像元作为训练样本，获得全局训练样本；将所述全局训练样本顺序打乱，然后利用联合注意力机制网络对所述全局训练样本进行特征提取，获得像元特征；通过Kmeans聚类方法对所述像元特征进行特征分类，获得各类别的质心作为原型特征；基于所述像元特征和质心构建特征差异优化网络模型，通过加权InfoNCE损失函数和动态权重的分配，缩小光谱像元与所在类别原型的距离，同时扩大与其他类别原型的距离；将所述原型特征使用多层感知机进行高光谱图像重建，获得第一重建图像；计算所述3-D高光谱图像与第一重建图像间的均方差损失，基于所述均方差损失构建重建损失函数，将所述加权InfoNCE损失函数和重建损失函数相加，获得整体损失函数；基于所述整体损失函数，利用反向传播优化所述特征差异优化网络模型，获得训练好的模型；将未打乱顺序的2-D高光谱图像输入所述训练好的模型中，输出第二重建图像；根据所述第二重建图像，通过马氏距离计算获得最终检测图。
全文数据：
权利要求：
百度查询： 大连民族大学 基于原型学习特征差异优化网络的高光谱异常检测方法
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