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！

龙图腾网恭喜西安电子科技大学申请的专利自编码器和低维流形建模的高光谱异常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：CN113902973B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202111122594.X，技术领域涉及：G06V20/10；该发明授权自编码器和低维流形建模的高光谱异常检测方法是由李欢;唐骏;周慧鑫;姚博;阳文涛;向培;宋尚真;杜娟;滕翔;张鑫;李幸;梅峻溪;王财顺;秦翰林;王炳健设计研发完成，并于2021-09-24向国家知识产权局提交的专利申请。

本自编码器和低维流形建模的高光谱异常检测方法在说明书摘要公布了：本发明公开了一种自编码器和低维流形建模的高光谱异常检测方法，通过原始高光谱图像对栈式自编码器进行训练，获得训练好的栈式自编码器；通过所述训练好的栈式自编码器对原始高光谱图像进行主要特征提取，以完成数据降维，获得降维后高光谱图像Y；对所述降维后高光谱图像Y进行L次随机采样，获得采样图像l＝1,2,…,L；通过低维流形建模对所得每一个采样图像进行重构，获得每一个特征采样图像的重构背景子图像Xl；将所得重构背景子图像Xl求取平均值作为原始高光谱图像的重构背景图像；通过l2范数确定原始高光谱图像和重构背景图像之间的残差r，以残差r作为最后的异常检测结果。本发明有效减少了冗余计算，提升了算法的整体性能，加快了算法速度。

本发明授权自编码器和低维流形建模的高光谱异常检测方法在权利要求书中公布了：1.一种自编码器和低维流形建模的高光谱异常检测方法，其特征在于，该方法为：通过原始高光谱图像对栈式自编码器进行训练，获得训练好的栈式自编码器；通过所述训练好的栈式自编码器对原始高光谱图像进行主要特征提取，以完成数据降维，获得降维后高光谱图像Y；对所述降维后高光谱图像Y进行L次随机采样，获得采样图像Ol_，l＝1,2,…,L；通过低维流形建模对所得每一个采样图像Ol_进行重构，获得每一个特征采样图像Ol_的重构背景子图像Xl；将所得重构背景子图像Xl求取平均值作为原始高光谱图像的重构背景图像通过l2范数确定原始高光谱图像和重构背景图像之间的残差r，以残差r作为最后的异常检测结果；所述通过低维流形建模对所得每一个采样图像Ol_进行重构，获得每一个特征采样图像Ol_的重构背景子图像Xl，具体为：步骤4.1，初始化重构背景子图像X0；步骤4.2，从Xk中抽取三维块集合PXk，PXk定义为Xk中大小为d1×d2×B的局部三维块的集合，其中k表示迭代次数，d1和d2代表块的空间维度，d1和d2为2，按如下公式计算空间域中的相似性矩阵： 式中，σu是正则化因子，表示局部三维块u和它的第z个最近邻局部三维块之间的距离，z为10；步骤4.3，组装新的相似性矩阵式中符号q{j}代表在三维块q中的第j个分量空间域中，ds＝d1×d2为空间维度，将相似性计算截断为20个最近邻，即在相似性矩阵中只保留相邻距离最小的20个相应元素；步骤4.4，在每一个光谱波段t，根据如下公式使用广义最小残差法来更新Xtk+1: 式中μ＝1r-1，r为采样率取0.05，λ为正则化参数等于107，表示高光谱图像空间块的集合，是在情况下将Xtq投影为0的投影算子，其中Ωt从高光谱图像任意波段t∈[B]中进行随机采样所得子集；步骤4.5，迭代次数k＝k+1，使X＝Xk+1，Xk＝Xk+1，循环步骤4.2—步骤4.4，直到X收敛时停止循环，获得重构背景子图像Xl。

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西安电子科技大学，其通讯地址为：710065 陕西省西安市雁塔区太白南路2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”。