一种基于多行波段处理的高光谱图像实时局部异常检测方法

    公开(公告)号:CN115713502A

    公开(公告)日:2023-02-24

    申请号:CN202211419946.2

    申请日:2022-11-14

    Abstract: 本发明公开了一种基于多行波段处理的高光谱图像实时局部异常检测方法,包括:读取高光谱图像数据,初始化由滤光片数量确定的波段数量n,初始化基于波段抽取的行数j,并初始化不同波段之间的间隔数k;根据波段数量n、行数j和间隔数k值,将数据转换成需要实时检测处理的数据;建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程;利用分块矩阵求逆公式更新相关矩阵R(n)的逆矩阵R(n)‑1;利用多行波段相关矩阵的实时局部异常RX算子对需要实时检测处理的高光谱数据进行检测,最后得到高光谱图像实时局部异常检测的结果。本发明实现了对高光谱图像的局部异常检测,避免了高维数据存储和重复计算,并具有较好的实时局部异常检测效果。

    一种面向目标特性的多目标优化高光谱图像波段选择方法

    公开(公告)号:CN114140658B

    公开(公告)日:2024-04-26

    申请号:CN202111462742.2

    申请日:2021-11-26

    Inventor: 宋梅萍 刘世慧

    Abstract: 本发明公开了一种面向目标特性的多目标优化高光谱图像波段选择方法,包括:将高光谱图像波段选择问题转化成一个多目标优化问题,考虑高光谱图像的整体特征,构建具有冲突的信息熵、JS散度和信噪比作为目标函数,同时优化评价波段的三个目标函数,以找到最佳折衷解;采用基于非劣解优势矩阵的选择机制,为寻优提供准确的选择,提升多目标优化问题的可扩展性;利用具有遗传思想的群智能优化方法,实现种群间相互通信,协同优化;结合目标特性选择出表征能力强的波段子集。本发明可以达到对高光谱图像有效降维的目的;面向目标特性的选择Pareto解的方式,可以获得表征能力强的波段子集,具有良好的检测效果,对于高光谱图像波段选择有重要的应用价值。

    一种基于有限阶马尔科夫高光谱实时异常检测方法

    公开(公告)号:CN117252896A

    公开(公告)日:2023-12-19

    申请号:CN202311164980.4

    申请日:2023-09-08

    Inventor: 宋梅萍 刘世慧

    Abstract: 本发明公开了一种基于有限阶马尔科夫高光谱实时异常检测方法,包括:读取高光谱图像数据,初始化行数;建立行间信息量的有限阶马尔科夫模型,计算当前行i的信息量,以及计算信息量的二阶导数值,判断当前行是异常行还是非异常行;建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程,如果是异常行,光谱向量相关矩阵R(n)将新数据替换原始数据的第一行,如果是非异常行,将新数据添加到原始数据中;更新相关矩阵R(n)的逆矩阵R‑1(n);对高光谱数据进行检测,最后得到高光谱图像实时局部异常检测的结果。本发明实现了对高光谱图像的局部异常检测,避免了高维数据存储和重复计算,并具有较好的局部异常检测效果。

    一种面向目标特性的多目标优化高光谱图像波段选择方法

    公开(公告)号:CN114140658A

    公开(公告)日:2022-03-04

    申请号:CN202111462742.2

    申请日:2021-11-26

    Inventor: 宋梅萍 刘世慧

    Abstract: 本发明公开了一种面向目标特性的多目标优化高光谱图像波段选择方法,包括:将高光谱图像波段选择问题转化成一个多目标优化问题,考虑高光谱图像的整体特征,构建具有冲突的信息熵、JS散度和信噪比作为目标函数,同时优化评价波段的三个目标函数,以找到最佳折衷解;采用基于非劣解优势矩阵的选择机制,为寻优提供准确的选择,提升多目标优化问题的可扩展性;利用具有遗传思想的群智能优化方法,实现种群间相互通信,协同优化;结合目标特性选择出表征能力强的波段子集。本发明可以达到对高光谱图像有效降维的目的;面向目标特性的选择Pareto解的方式,可以获得表征能力强的波段子集,具有良好的检测效果,对于高光谱图像波段选择有重要的应用价值。

Patent Agency Ranking