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！

龙图腾网恭喜哈尔滨工程大学申请的专利基于全变差低秩张量分解的高光谱图像异常目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114565850B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210203988.6，技术领域涉及：G06V20/10；该发明授权基于全变差低秩张量分解的高光谱图像异常目标检测方法是由冯收;吴丹;丰瑞;樊元泽;赵春晖;闫奕名;宿南设计研发完成，并于2022-03-02向国家知识产权局提交的专利申请。

本基于全变差低秩张量分解的高光谱图像异常目标检测方法在说明书摘要公布了：基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。

本发明授权基于全变差低秩张量分解的高光谱图像异常目标检测方法在权利要求书中公布了：1.基于全变差低秩张量分解的高光谱图像异常目标检测方法，其特征在于，包括以下步骤：采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分M；采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分的过程包括以下步骤：首先利用全变差正则化低秩张量分解模型对高光谱图像进行分解；然后基于增广拉格朗日乘子方法，将正则化低秩张量分解模型转化为最小化增广拉格朗日函数，从而将低秩数据部分表示为表示原始的高光谱图像，将混合信息部分M表示为全变差正则化低秩张量分解模型中，是低秩数据部分，是稀疏项，是高斯项；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果；所述利用协同表示检测器提取嵌入低秩数据部分的异常信息的具体过程包括以下步骤：将低秩数据部分转化为二维矩阵D表示高光谱数据的光谱带数，N是是样本总数；利用协同表示检测器提取低秩数据部分中的异常信息，x是中心像素，外窗的尺寸大小是Wout×Wout，内窗的尺寸大小是Win×Win，s＝Wout×Wout-Win×Win，s是所抽取的样本数；对于一个像素x，其目标函数表示为： 其中，λ2表示拉格朗日乘子，矩阵Xs为外窗和内窗之间的像素构成的背景集，是权重向量； 利用矩阵Xs和权向量重构像素x： 其中，是元素x的重构元素； 与元素x之间的剩余误差计算为： 如果γ2大于给定的阈值σ，则被检测为异常。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。