-
公开(公告)号：CN116563257B
公开(公告)日：2025-05-16
申请号：CN202310555722.2
申请日：2023-05-17
Applicant: 西安电子科技大学
Abstract: 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。
-
公开(公告)号：CN119540788A
公开(公告)日：2025-02-28
申请号：CN202411636045.8
申请日：2024-11-15
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0499 , G06N3/0895
Abstract: 本发明公开了一种基于权重再分配和任务对齐的遥感图像弱监督目标检测方法，主要解决现有检测方案邻域目标误分类、仅关注目标最显著区域以及分类分支与回归分支不一致的问题。方案包括：引入高质量正实例挖掘获取种子实例，依据实例间的空间和特征相似性确定邻域实例和背景实例；通过计算正实例之间的空间关系矩阵，筛选覆盖目标完整的实例，完成正实例权重再分配；同时考虑弱监督目标检测模型初期的不稳定性，引入任务对齐边框回归损失，通过设计任务对齐调制因子来动态调整权重，再将调制因子和实例的困难程度结合作为回归分支的权重。本发明能够避免邻域实例的误分类、关注目标整体，以及增加分类与回归分支的耦合性，有效提升检测性能。
-
公开(公告)号：CN116738278A
公开(公告)日：2023-09-12
申请号：CN202310587426.0
申请日：2023-05-23
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/2131 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于小波变换和多模态特征融合的自动调制分类方法，主要解决低信噪比条件下现有模型分类正确率不高的技术问题；方案包括：1)获取现有数据集中信号的I/Q样本；2)通过小波阈值去噪对样本数据进行预处理，并提取去噪信号的A/P信息，输入时序模态特征提取网络；同时采用格拉姆角场对样本数据进行重构，将一维序列转换为二维图像，作为图像模态特征提取网络的输入；3)使用基于注意力机制的特征融合方法来融合两个网络提取的多模态特征；4)通过全连接层得到最终的调制分类结果。本发明充分考虑到了不同模态特征之间的的差异性和互补性，能够有效提高低信噪比环境下的调制分类正确率，同时解决调制的混淆问题。
-
公开(公告)号：CN116563257A
公开(公告)日：2023-08-08
申请号：CN202310555722.2
申请日：2023-05-17
Applicant: 西安电子科技大学
Abstract: 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。
-
公开(公告)号：CN118334513A
公开(公告)日：2024-07-12
申请号：CN202410368628.0
申请日：2024-03-28
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/762
Abstract: 本发明提出了一种基于深度特征聚合的高光谱异常检测方法，主要解决现有方法检测效果不佳的问题。方案包括：1)将自适应聚合模型整合到自编码器网络中，构建充分利用高光谱图像的空间‑光谱信息的深度特征聚合网络模型；2)设计多重聚合分离损失函数，促使模型能够增强潜在背景特征的表征并且弱化潜在异常特征的表征，从而提高背景和异常区分能力；3)采用递进式训练策略，对构建的模型进行优化训练；4)引入马氏距离对重构误差进行评估，实现高光谱异常检测。本发明通过对多种不同地物背景的表征，为高光谱异常检测提供了一种新范式，增强了模型对背景和异常的区分能力，并有效提升了高光谱图像异常检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN116486263A
公开(公告)日：2023-07-25
申请号：CN202310463686.7
申请日：2023-04-26
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度特征和双支流孤立森林的高光谱异常检测方法，主要解决现有技术对空间和光谱信息利用不足，影响检测精度的问题。方案包括：1)对三维高光谱图像分别进行全局和局部的样本提取；2)基于全局、局部的特征，引入神经网络进行光谱特征降维和提取，得到表征光谱信息的全局样本和局部样本，并利用其分别进行孤立森林的构建和测试，产生基于光谱的检测结果；3)利用形态学滤波、高斯滤波进行空间信息挖掘，产生基于空间的检测结果；4)通过非线性操作对两部分检测结果进行融合，得到高光谱异常检测的最终结果。本发明能够更为有效地挖掘高光谱图像的光谱和空间信息，提升高光谱异常检测的检测效果。
-
公开(公告)号：CN115239694A
公开(公告)日：2022-10-25
申请号：CN202210985411.5
申请日：2022-08-17
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06V10/762 , G06V10/77 , G06V10/764 , G06V10/82 , G06V20/10 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种融合鲁棒字典和双协同约束正则项的高光谱异常检测方法，用于解决字典构造时鲁棒性较差以及信息利用不充分导致检测结果欠佳的问题。包括：1)利用密度估计模型和局部异常因子得到密度图，并对其进行逐像素相乘以及逐像素相加操作，获取背景抑制图和异常增强图；2)对背景抑制图和异常增强图进行二值化处理得到其索引图，构造潜在异常字典和背景字典；3)构建基于双协同约束正则项的低秩与稀疏表示模型并进行优化求解，得到初始检测结果；4)利用背景抑制图和异常增强图对初始检测结果进行非线性变换，获取最终检测结果。本发明增强了字典的鲁棒性，且充分考虑全局特性和局部特性，从而有效提升了高光谱异常检测效果。
-
公开(公告)号：CN114758226A
公开(公告)日：2022-07-15
申请号：CN202210273865.X
申请日：2022-03-19
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/772 , G06K9/62
Abstract: 本发明提出了一种两阶段决策引导双字典构建的高光谱图像异常检测方法，主要解决现有方法中潜在异常字典纯度低、检测效果不佳的问题。包括：对高光谱图像进行超像素分割，根据超像素设计内外窗进行显著性检测，并对检测结果进行后处理得到粗糙二值图；搭建背景估计网络并训练和推理，以推理误差进行背景建模，计算每个像素的马氏距离作为异常判别标准，对计算结果进行后处理得到精细二值图；以粗糙二值图、精细二值图及超像素共同构建背景字典和潜在异常字典；构建基于双字典的低秩和稀疏表示模型并进行优化求解，得到最终检测结果。本发明能够获取纯净的潜在异常字典，利于更好地描述异常特性，有效提升了高光谱图像异常检测效果。
-
公开(公告)号：CN116310830A
公开(公告)日：2023-06-23
申请号：CN202310292428.7
申请日：2023-03-23
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/772 , G06V10/774 , G06V10/26 , G06V10/28
Abstract: 本发明提出了一种空‑谱协同引导联合字典构建的高光谱异常检测方法，用于解决构建字典时背景光谱和异常光谱信息挖掘不充分及噪声干扰导致检测性能不佳的问题。包括：1)分别利用空间检测器和光谱检测器对输入高光谱图像进行检测，获取检测图；2)根据检测图构建背景集和异常集；3)对任意待测像素，从背景集和异常集中挑选特定数量的像素构建背景子字典和异常子字典，并将两者合并形成联合字典；4)建立基于联合字典的协同表示模型，对其优化求解得到估计的系数向量；5)将异常子字典和对应系数的乘积作为检测结果。本发明在构建字典时充分挖掘背景光谱和异常光谱信息，且有效规避了表示残差向量中噪声的影响，提升了高光谱异常检测性能。
-
公开(公告)号：CN115731472A
公开(公告)日：2023-03-03
申请号：CN202211584933.0
申请日：2022-12-09
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/762 , G06V10/80 , G06V10/26
Abstract: 本发明公开了一种融合稀疏表示和协同表示的高光谱异常检测方法，主要解决现有检测方法中构建的背景字典表示效果不佳、检测性能差的问题。包括：1)构建过完备字典，建立稀疏表示模型，优化求解并计算稀疏残差特征；2)构建背景字典，建立协同表示模型，优化求解并计算协同残差特征；3)将稀疏残差特征和协同残差特征进行非线性融合，得到初始检测结果；4)利用引导滤波对初始检测结果进行后处理，得到最终检测结果。本发明摒弃了以双窗口方式构建背景字典，自动从稀疏表示模型中挑选使用的原子作为背景字典，并且结合稀疏残差特征和协同残差特征，有效提升高光谱异常检测效果。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
