一种基于局部特征的低秩稀疏分解高光谱异常检测方法

发明专利有效专利

申请号：
CN202010384573.4
IPC分类号：G06T7/00;G01N21/17
申请日期：
2020-05-08
申请人：
中国石油大学（华东）

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于局部特征的低秩稀疏分解高光谱异常检测方法
申请号	CN202010384573.4	申请日期	2020-05-08
法律状态	实质审查	申报国家	中国
公开/公告日	2020-08-25	公开/公告号	CN111583230A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;1;N;2;1;/;1;7查看分类表>
申请人	中国石油大学（华东）	申请人地址	山东省青岛市黄岛区长江西路66号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国石油大学（华东）	当前权利人	中国石油大学（华东）
发明人	许明明;张燕;刘善伟
代理机构	暂无	代理人	暂无

摘要

为提高高光谱目标探测的精度，针对高光谱异常目标检测中缺乏基于局部特征的低秩信息，提出一种基于局部特征的低秩稀疏矩阵分解高光谱异常目标检测方法。该方法在传统的低秩稀疏矩阵分解方法的基础之上，根据高光谱图像背景的低秩性与异常目标的稀疏性，进一步将高光谱图像背景部分细化表示基矩阵B和系数矩阵C的乘积，构建基于局部特征的高光谱图像描述模型；然后，构建新的基矩阵B、系数矩阵C的与稀疏部分S迭代更新规则；最后，根据求解结果执行异常目标探测。实验证明该方法能够提升高光谱异常目标检测精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供