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深度特征和双支流孤立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：CN116486263B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310463686.7，技术领域涉及：G06V20/10；该发明授权基于深度特征和双支流孤立森林的高光谱异常检测方法是由张敏;成曦;王海;林生;霍豫;董优强设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本基于深度特征和双支流孤立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。

本发明授权基于深度特征和双支流孤立森林的高光谱异常检测方法在权利要求书中公布了：1.一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，其特征在于，包括以下步骤： 1提取高光谱图像的全局样本和局部样本： 1.1将三维高光谱图像转化为二维矩阵得到全局样本，其中H、W和B分别表示三维高光谱图像的高、宽和波段，N＝H×W表示像素个数； 1.2将二维矩阵作为主成分分析算法PCA的输入，提取其中的第一主成分特征，然后把第一主成分特征输入到简单线性迭代聚类算法SLIC中，将简单线性迭代聚类算法超像素块的个数设置为k，对第一主成分特征进行分割得到分割图，并利用分割图的空间信息对二维矩阵索引得到k个局部同质区域，N＝N1+N2+...+Nv+...+Nk，其中Nv表示第v个同质区域像素的个数，v＝1,2，...，k；得到局部样本HSIL＝{XL1，XL2，...，XLv，...，XLk}，其中XLv表示局部样本中第v个同质区域的所有像素； 2利用光谱信息构建孤立森林模型，获取检测结果并对其进行融合： 2.1利用神经网络的参数随机初始化操作对全局样本和局部样本的光谱维度进行特征转化，使其从B维下降到D维，得到降维后的全局光谱信息和局部光谱信息，即全部全局样本集和全部局部样本集其中表示第i次随机初始化神经网络得到的全局样本，表示第i次随机初始化神经网络得到的局部样本，表示第i次随机初始化神经网络得到的局部样本中第v个同质区域的所有像素，i＝1,2，...，λ； 2.2从全局光谱信息中随机选取像素，并通过切分阈值不断对其划分子节点，直到树的高度达到预设高度或者子节点的样本数小于等于2为止，构建得到一棵树，重复树的构建过程t次，完成全局的孤立森林模型的构建，利用该模型进行测试获取全局的检测结果； 2.3从局部光谱信息中，针对第v个同质区域随机选取像素，并通过切分阈值不断对其划分子节点，直到树的高度达到预设高度或者子节点的样本数小于等于2为止，构建得到一棵树，重复树的构建过程t次，完成第v个同质区域孤立森林模型的构建，利用该模型对当前局部区域进行测试获取该区域检测结果；取v＝1,2，...，k，完成第所有局部的孤立森林模型的构建，并得到局部的检测结果； 2.4通过像素级相乘，将全局的检测结果与局部的检测结果进行融合，产生基于光谱的检测结果S1； 3将主成分分析算法提取的第一主成分特征输入形态属性滤波器，进行开操作和闭操作，再对结果进行高斯滤波优化，得到基于空间的检测结果S2； 4对基于空间的检测结果S2和基于光谱的检测结果S1进行非线性操作，获得最终的高光谱异常检测S。

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 陕西省西安市雁塔区太白南路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”。

以上内容由龙图腾AI智能生成。