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：CN115239694B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210985411.5，技术领域涉及：G06T7/00；该发明授权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是由王海;林生;张敏;成曦;周科学;李松霖;赵少博;董优强设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一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，其特征在于，包括如下步骤： 1输入高光谱图像其中H、W和d分别表示高光谱图像的高度、宽度和波段数； 2分别利用密度估计模型和局部异常因子评估高光谱图像中所有像素的密度值，得到第一密度图Dm1和第二密度图Dm2；并将Dm1和Dm2分别进行逐像素相乘以及逐像素相加操作，获取背景抑制图D1和异常增强图D2； 3利用密度估计模型对高光谱图像进行聚类，每个聚类均服从高斯分布，记录聚类的位置索引为其中i∈[1,nM]表示聚类的索引，nM表示聚类总数；在背景抑制图D1和异常增强图D2的Poi位置上，利用3σ原则分别对其进行二值化处理，得到第一索引图B1和第二索引图B2； 4使用第一索引图B1和第二索引图B2构造潜在异常字典XA和背景字典XB； 5首先，将高光谱图像转化为二维形式图像其中，N＝H×W；其次，根据潜在异常字典XA和背景字典XB，将二维形式图像X分解成低秩分量XBW、稀疏分量XAS和噪声分量E： X＝XBW+XAS+E， 其中，W和S分别表示低秩分量和稀疏分量的表示系数矩阵； 6将步骤5中X的分解公式作为约束条件，构建基于双协同约束正则项的高光谱异常检测优化目标函数： s.t.X＝XBW+XAS+E 其中，α、β、λ和γ分别表示第一、第二、第三和第四正则化系数，s.t.表示约束条件，||·||*表示矩阵的核范数，||·||1表示矩阵的L1范数，||·||2,1表示矩阵的L2,1范数，表示矩阵Frobenius范数的平方； 7利用交替方向乘子法求解目标函数，得到W、S、E，通过对XAS的每一列向量求解L2范数，并将其转化为二维形式，得到初始检测结果D3； 8利用背景抑制图D1和异常增强图D2对初始检测结果D3进行非线性变换，得到最终检测结果DF： 其中，τ1和τ2表示变换系数。

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”。