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基于随机直方图森林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：CN116563257B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310555722.2，技术领域涉及：G06T7/00；该发明授权基于随机直方图森林的高光谱异常检测方法是由王海;王霎;张敏;成曦设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本基于随机直方图森林的高光谱异常检测方法在说明书摘要公布了：本发明提出了一种基于随机直方图森林的高光谱异常检测方法，主要解决现有技术中随机选择样本及分割属性导致检测性能不佳的问题。方案包括：1基于维度变换及归一化操作对高光谱图像进行预处理；2构建基于峰度分割准则的随机直方图森林对所有样本实例进行训练和测试；3计算每个样本实例的马氏距离并进行异常评估，得到检测结果；4采用具有指数约束的非线性操作，将随机直方图森林和马氏距离的检测结果进行融合，得到最终的检测结果。本发明能够更好地利用高光谱图像的特征，具有较好的检测性能，有效提高了异常检测算法的准确性及鲁棒性，且对高光谱异常检测应用场景具有普适性。

本发明授权基于随机直方图森林的高光谱异常检测方法在权利要求书中公布了：1.一种基于随机直方图森林的高光谱异常检测方法，其特征在于，利用峰度分割准则和密度直方图的信息熵，进行随机直方图森林模型的训练和测试，并将随机直方图森林的检测结果与马氏距离的检测结果进行非线性融合，从而进一步优化检测性能，具体包括以下步骤：1高光谱图像预处理：1.1将高光谱图像X∈Rr×c×b转换成二维矩阵Y∈Rm×b，其中r、c、b分别为高光谱图像的高、宽及波段数，m＝r×c为图像样本个数；1.2对于给定的二维矩阵Y∈Rm×b，根据属性值进行归一化操作得到样本归一化矩阵其中di表示第i个样本的属性矩阵，di＝{di1,di2,…,dib}∈[0,1]，dib表示第i个样本的第b个波段的像素值；2构建随机直方图森林模型，并对其进行训练与测试，获得检测结果：2.1将样本归一化矩阵作为每棵随机直方图树的根节点；2.2计算高光谱数据集所有波段属性f∈b的峰度和峰度总和，并依次累加作为直方图区间端点；2.3随机选择一个属性峰度值，选取对应区间的分割属性fr；2.4在步骤2.3所指定的分割属性fr的最大值与最小值之间随机选取一个分割属性值V；2.5根据所选分割属性fr及分割属性值V将当前节点的数据空间切分成左右两个分支空间；然后，将小于分割属性值V的样本放入当前父节点的左分支空间，将大于等于分割属性值V的样本放入当前节点的右分支空间，得到一个叶节点；2.6在当前叶节点的左右分支中，针对每个节点循环执行步骤2.3-2.5，不断构建新的叶节点，直到生成满足以下至少一个条件的叶节点：a只包含一个样本；b只包含一类样本；c达到树的最大深度；然后终止生成叶节点，继续执行步骤2.7；2.7将所有叶节点视为直方图中的箱，利用数据密度频率计算每个叶节点的信息熵，将其作为对应样本实例的异常得分值；2.8循环执行t次步骤2.3-2.7，构建得到t棵随机直方图树，形成随机直方图森林；然后，对于每个样本，在每棵树中计算其异常得分值，并取平均值，以此作为该样本的最终异常得分值，即随机直方图森林的检测结果；3采用马氏距离算法对预处理后的高光谱图像进行异常检测：3.1计算每个波段的样本均值M∈Rb×1并对高光谱所有样本去均值，得到去均值矩阵H∈Rm×b；3.2计算去均值矩阵H∈Rm×b的协方差矩阵Q∈Rb×b；3.3计算去均值矩阵H∈Rm×b的马氏距离，得到马氏距离检测结果；4采用具有指数约束的非线性融合操作，将随机直方图森林的检测结果和马氏距离检测结果进行融合，得到最终检测结果。

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：710071 陕西省西安市太白南路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”。