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！

龙图腾网获悉华东师范大学申请的专利一种变分背景推理生成对抗网络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：CN116385351B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310094031.7，技术领域涉及：G06T7/00；该发明授权一种变分背景推理生成对抗网络的高光谱异常检测方法是由谭琨;王志威;王雪;韩波;张宏宇;雷勇;梁德印;余婧;殷延鹤设计研发完成，并于2023-02-06向国家知识产权局提交的专利申请。

本一种变分背景推理生成对抗网络的高光谱异常检测方法在说明书摘要公布了：本发明涉及一种变分背景推理生成对抗网络的高光谱异常检测方法，包括以下步骤：将高光谱影像输入训练好的高光谱异常检测模型，进行影像重构并计算重构误差，得到高光谱异常检测结果，高光谱异常检测模型的训练过程为：1构建训练样本；2建立变分背景推理生成对抗网络；3获得采样数据潜变量；4将潜变量z与正态分布样本输入至潜变量判别器，进行对抗性训练；5将潜变量和正态分布样本输入至生成器，分别生成两个生成样本；6将训练样本和两个生成样本共同输入至样本判别器；7重复3～6，直至变分背景推理生成对抗网络的损失函数收敛，完成模型的训练。与现有技术相比，本发明具有检测精度高等优点。

本发明授权一种变分背景推理生成对抗网络的高光谱异常检测方法在权利要求书中公布了：1.一种变分背景推理生成对抗网络的高光谱异常检测方法，其特征在于，包括以下步骤： 将高光谱影像输入训练好的高光谱异常检测模型，进行影像重构并计算重构误差，基于重构误差和设置的异常度阈值，得到高光谱异常检测结果， 其中，高光谱异常检测模型的训练过程为： 1）获取原始高光谱数据，基于经过预处理的原始高光谱数据构建训练样本，原始高光谱数据包括所有高光谱像素的光谱； 2）建立变分背景推理生成对抗网络，变分背景推理生成对抗网络包括编码器E、生成器G、样本判别器Ds和潜变量判别器Dl，变分背景推理生成对抗网络的损失函数包括变分推断损失、光谱重构损失、对抗损失和特征匹配损失，光谱重构损失包括均方误差和光谱角，特征匹配损失在样本判别器Ds和潜变量判别器Dl的中间层构建； 3）将训练样本输入编码器E，获取变量的方差和均值，根据方差和均值，进行重新参数化，获得采样数据潜变量z； 4）将潜变量z与正态分布样本ξ输入至潜变量判别器Dl，进行对抗性训练，潜变量判别器Dl引导重新参数化的数据与先验分布相匹配，先验分布为正态分布样本ξ； 5）将潜变量z和正态分布样本ξ输入至生成器G，分别生成两个生成样本，分别为生成器G重建的从编码器获得的光谱特征和生成器G从正态分布样本ξ中生成的假光谱； 6）将训练样本和生成器G生成的两个生成样本共同输入至样本判别器Ds，增加细节特征； 7）重复3）~6），直至变分背景推理生成对抗网络的损失函数收敛，完成模型的训练； 各个损失函数的表达式为： 其中，为生成器G的总损失，与分别为生成器G与样本判别器Ds对抗训练的生成损失与对抗损失，与分别为编码器E与潜变量判别器Dl对抗训练的生成损失与对抗损失，为均方误差，为光谱角，为编码器E和学习背景分布的总损失，为变分推断损失，为Ds网络提取的数据特征与Dl网络提取的潜变量z的特征之间的特征匹配损失，为经过Ds网络提取的两个生成样本与Dl网络提取的潜变量z的特征之间的特征匹配损失，和分别为样本判别器Ds和潜变量判别器Dl的总损失，、、和分别为各损失项调节参数。

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华东师范大学，其通讯地址为：200062 上海市普陀区中山北路3663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”。