-
公开(公告)号：CN112598636A
公开(公告)日：2021-04-02
申请号：CN202011508302.1
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明涉及一种基于全卷积自编码器的高光谱影像异常探测方法。本发明结合全卷积自编码器网络，将高光谱遥感影像异常探测问题转换为背景与异常分离问题，网络直接重建背景，异常表现为网络重建误差，从而实现探测。构建残差连接的自适应加权全卷积自编码器，输入均匀噪声拟合原始高光谱影像以重建背景，通过卷积和残差连接保持重建背景空间细节信息，并设计了自适应加权损失函数抑制异常被重建，实现网络重建结果中背景与异常的分离。本发明可以解决高光谱遥感影像深度学习异常探测问题，实现全自动端到端异常探测，无需参数设置，可以获得更佳的异常探测结果。本发明可以有效提升高光谱异常探测的适用性和精度。
-
公开(公告)号：CN112700437B
公开(公告)日：2022-04-29
申请号：CN202110046688.7
申请日：2021-01-14
Applicant: 武汉大学
Abstract: 本发明涉及一种基于分块和低秩先验的发射率域热红外高光谱异常探测方法。首先对原始影像进行温度和发射率反演获取影像的发射率图和温度图，然后使用温度图和辐亮度图结合基于Potts的图像分割算法将发射率图分割成多个同质区域。据观察，在局部均匀区域，背景信号具有增强的低秩性，而异常表现为空间稀疏性。基于此观测，背景像素可以由一组基本背景信号进行低秩重构，而异常可以用稀疏残差表示。然后利用提取的背景端元对原始高光谱数据矩阵进行低秩稀疏矩阵分解，去除部分噪声，获取相比于原始影像更纯粹的背景信息。然后利用马氏距离结合原始发射率影像和背景信息计算异常和背景之间的光谱差异，实现异常和背景分离。
-
公开(公告)号：CN112700437A
公开(公告)日：2021-04-23
申请号：CN202110046688.7
申请日：2021-01-14
Applicant: 武汉大学
Abstract: 本发明涉及一种基于分块和低秩先验的发射率域热红外高光谱异常探测方法。首先对原始影像进行温度和发射率反演获取影像的发射率图和温度图，然后使用温度图和辐亮度图结合基于Potts的图像分割算法将发射率图分割成多个同质区域。据观察，在局部均匀区域，背景信号具有增强的低秩性，而异常表现为空间稀疏性。基于此观测，背景像素可以由一组基本背景信号进行低秩重构，而异常可以用稀疏残差表示。然后利用提取的背景端元对原始高光谱数据矩阵进行低秩稀疏矩阵分解，去除部分噪声，获取相比于原始影像更纯粹的背景信息。然后利用马氏距离结合原始发射率影像和背景信息计算异常和背景之间的光谱差异，实现异常和背景分离。
-
公开(公告)号：CN112598636B
公开(公告)日：2022-04-29
申请号：CN202011508302.1
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明涉及一种基于全卷积自编码器的高光谱影像异常探测方法。本发明结合全卷积自编码器网络，将高光谱遥感影像异常探测问题转换为背景与异常分离问题，网络直接重建背景，异常表现为网络重建误差，从而实现探测。构建残差连接的自适应加权全卷积自编码器，输入均匀噪声拟合原始高光谱影像以重建背景，通过卷积和残差连接保持重建背景空间细节信息，并设计了自适应加权损失函数抑制异常被重建，实现网络重建结果中背景与异常的分离。本发明可以解决高光谱遥感影像深度学习异常探测问题，实现全自动端到端异常探测，无需参数设置，可以获得更佳的异常探测结果。本发明可以有效提升高光谱异常探测的适用性和精度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
