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全局和局部特征学习的高光谱异常检测方法、系统及介质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：CN119919799B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202411882606.2，技术领域涉及：G06V20/10；该发明授权全局和局部特征学习的高光谱异常检测方法、系统及介质是由宋江鲁奇;赵哲;周慧鑫;向培;滕翔;朱永;李志斌设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本全局和局部特征学习的高光谱异常检测方法、系统及介质在说明书摘要公布了：本发明实施例公开了一种全局和局部特征学习的高光谱异常检测方法、系统及介质，方法包括：利用两层卷积层提取高光谱数据的潜层特征；潜层特征通过一层卷积层后通过两个残差块和一次卷积操作提取局部特征；对潜层特征进行全局平均池化获取下采样特征，根据下采样特征的全局信息获取图卷积模块输出特征，基于图卷积模块输出特征获取全局特征；基于潜层特征与记忆矩阵间的相似矩阵获取低秩表示特征；根据局部特征、全局特征以及低秩表示特征获取融合特征；融合特征经过一层卷积层后再进行一次卷积和批归一化获取重构高光谱数据；根据高光谱数据与重构高光谱数据的差值确定残差图像，在该图像上进行异常检测获取最终的二维检测图，提高异常检测精度。

本发明授权全局和局部特征学习的高光谱异常检测方法、系统及介质在权利要求书中公布了：1.一种全局和局部特征学习的高光谱异常检测方法，其特征在于，所述方法包括： 采集高光谱数据，利用两层卷积层对所述高光谱数据进行特征提取，获取潜层特征； 所述潜层特征通过一层卷积层后，通过两个残差块和一次卷积操作提取局部特征； 对所述潜层特征进行全局平均池化操作得到下采样特征，根据所述下采样特征的全局信息获取图卷积模块输出特征后，通过一层卷积层和跳跃连接操作，获取全局特征； 通过所述潜层特征与记忆矩阵间的相似矩阵获取相关特征，将所述相关特征进行线性变换后，与所述潜层特征进行元素相乘，获取低秩表示特征； 对所述局部特征、全局特征以及低秩表示特征进行自适应融合，获取融合特征； 将所述融合特征经过一层卷积层获取第一层输出特征，再对所述第一层输出特征进行一次卷积和批归一化操作，获取重构高光谱数据； 根据所述高光谱数据与所述重构高光谱数据的差值确定残差图像，在所述残差图像上进行异常检测，获取最终的二维检测图。

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：710000 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。