公开(公告)号：CN105184797B

公开(公告)日：2018-10-26

申请号：CN201510593935.X

申请日：2015-09-17

Applicant: 哈尔滨工程大学

Inventor： 赵春晖 ,  尤伟 ,  焦恒 ,  齐滨 ,  万晓青

IPC: G06T7/00

Abstract: 本发明涉及一种基于递归型核机器学习的高光谱异常目标检测方法。本发明包括：(1)输入高光谱数据；(2)选择核函数k(x,xi)＝(xTxi)d,d∈N，建立核机器学习的高光谱目标检测模型，初始化Gram矩阵；(3)建立Gram矩阵KB(n)的状态方程；(4)利用Woodbury恒等式更新高光谱Gram矩阵KB(n)的逆矩阵[KB(n)]‑1；(5)结合异常检测算子对高光谱图像进行快速检测；(6)高光谱图像检测完毕，输出结果。本发明无需重复计算KB(n)及其逆矩阵，可以大大减少算法计算时间，提高了高光谱异常目标检测效率。

公开(公告)号：CN105184797A

公开(公告)日：2015-12-23

申请号：CN201510593935.X

申请日：2015-09-17

Applicant: 哈尔滨工程大学

Inventor： 赵春晖 ,  尤伟 ,  焦恒 ,  齐滨 ,  万晓青

IPC: G06T7/00

CPC classification number: G06T7/0002 ,  G06T2207/10036

Abstract: 本发明涉及一种基于递归型核机器学习的高光谱异常目标检测方法。本发明包括：(1)输入高光谱数据；(2)选择核函数k(x,xi)＝(xTxi)d,d∈N，建立核机器学习的高光谱目标检测模型，初始化Gram矩阵；(3)建立Gram矩阵KB(n)的状态方程；(4)利用Woodbury恒等式更新高光谱Gram矩阵KB(n)的逆矩阵[KB(n)]-1；(5)结合异常检测算子对高光谱图像进行快速检测；(6)高光谱图像检测完毕，输出结果。本发明无需重复计算KB(n)及其逆矩阵，可以大大减少算法计算时间，提高了高光谱异常目标检测效率。