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！

龙图腾网获悉西安电子科技大学申请的专利基于超像素引导判别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：CN115471750B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211123551.8，技术领域涉及：G06V20/10；该发明授权基于超像素引导判别森林的高光谱异常检测方法是由王海;成曦;张敏;林生;周科学;李松霖;赵少博设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本基于超像素引导判别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超像素引导判别森林的高光谱异常检测方法，主要解决现有方法中局部异常目标检测性能不佳和高虚警率的问题。方案包括：1通过主成分分析法提取高光谱图像最主要的三个成分特征，并利用该特征进行多个不同尺度超像素分割，以获取多尺度且含所有波段的超像素特征；2构建基于多个波段增益准则的判别森林模型对每个超像素块特征进行训练和测试，产生多个尺度的初始检测图；3通过基于引导滤波的多尺度融合模型对所有初始检测图融合优化，获取最终检测结果。本发明将基于空间的超像素分割和基于多个光谱波段的判别森林进行结合，有效地挖掘高光谱图像的空间和光谱信息，增强模型对异常像素识别能力以提升其检测性能。

本发明授权基于超像素引导判别森林的高光谱异常检测方法在权利要求书中公布了：1.基于超像素引导判别森林的高光谱异常检测方法，其特征在于，包括以下步骤： 1提取多尺度高光谱超像素特征： 1.1将高光谱图像转化为二维矩阵其中h、l和b分别表示图像的高、宽和波段；N为像素个数且N＝l×h； 1.2将二维矩阵输入到已公开的主成分分析模型PCA中，利用模型获取最主要的3个成分特征 1.3将简单线性迭代聚类模型SLIC的尺度设置为r，且每个尺度的超像素个数范围为[1，30]；利用该SLIC模型将成分特征切分为r个尺度的超像素分割图，再利用超像素分割空间信息，通过索引产生r个尺度的高光谱超像素特征；其中，第r个尺度的高光谱超像素特征是 表示在第r个尺度下的第w个超像素块区域特征，表示的特征像素个数； 2构建判别森林模型，并对其进行训练和测试： 2.1从超像素块区域特征中随机抽取子样本X′作为判别森林模型训练的输入样本，其中将每一个输入样本的像素表示为x＝{x1,…,xb}； 2.2从X′中随机选取q个波段的样本构建超平面f，并将所选样本的每个像素映射到超平面f中，得到新属性值集合Z； 2.3基于集合Z，通过增益准则Sgain获取最佳切分阈值S； 2.4利用最佳切分阈值S将输入样本切分为两个子节点； 2.5循环执行步骤2.2-2.4直到树的高度达到预设限制高度Hmax＝log2n或者子节点的像素个数不超过2为止，得到一颗树；其中n表示X′的像素个数； 2.6重复步骤2.1-2.5t次，得到t棵树并用其组成局部区域的判别森林； 2.7利用每个超像素块区域的高光谱像素样本进行局部区域判别森林的构建和训练，所有局部区域判别森林组成第r个尺度下的高光谱图像判别森林模型； 2.8将第r个尺度的高光谱超像素特征输入当前尺度下的判别森林模型进行检测，得到该尺度的初始异常检测图； 2.9通过对每个尺度下的高光谱图像判别森林模型进行检测，得到多尺度对应下的初始异常检测图； 3基于引导滤波，使用初始异常检测图对判别森林模型进行优化，并利用优化后模型获取最终检测结果： 3.1将每个尺度对应下的初始异常检测图进行像素级相乘融合，得到第一融合结果R1； 3.2将融合结果R1输入到引导滤波网络中，并将成分特征Y作为引导图像，产生引导结果O1； 3.3将引导结果O1和融合结果R1进行像素级相加融合，得到第二融合结果R2； 3.4将两次融合结果R1和R2进行像素级相乘融合，得到最终融合结果，即异常检测图R3。

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”。