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！

龙图腾网获悉中山大学申请的专利高光谱遥感图像的异常检测方法、系统、设备和存储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：CN117173540B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202311123756.0，技术领域涉及：G06V10/82；该发明授权高光谱遥感图像的异常检测方法、系统、设备和存储介质是由贺智;周承乐设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本高光谱遥感图像的异常检测方法、系统、设备和存储介质在说明书摘要公布了：本发明涉及遥感图像检测技术领域，公开了一种高光谱遥感图像的异常检测方法、系统、设备和存储介质，所述方法通过获取待检测高光谱遥感图像；将待检测高光谱遥感图像输入预先训练好的异常检测模型进行异常检测，得到待检测高光谱遥感图像的检测结果，异常检测模型包括依次相连的第一卷积模块、第二卷积模块、第一Transformer模块、第一Resize层和第一全连接层。本发明通过聚类启发来检测背景和异常样本，有效降低了网络模型对人工标注样本的依赖，对于异常检测模型的训练不仅区分异常信息和背景信息，还利用了高光谱图像的重构图像来提高模型的训练效果，使整个模型具有局部和全局感受野，有效提高了异常检测模型的检测精度。

本发明授权高光谱遥感图像的异常检测方法、系统、设备和存储介质在权利要求书中公布了：1.一种高光谱遥感图像的异常检测方法，其特征在于，包括： 获取待检测高光谱遥感图像； 将所述待检测高光谱遥感图像输入预先训练好的异常检测模型进行异常检测，得到所述待检测高光谱遥感图像的检测结果，所述异常检测模型包括依次相连的第一卷积模块、第二卷积模块、第一Transformer模块、第一Resize层和第一全连接层； 其中，所述异常检测模型的训练步骤包括： 对高光谱遥感图像集进行伪背景样本和伪异常样本检测，生成样本集； 构建与所述异常检测模型的结构相对称的解码器模型； 将所述样本集输入所述异常检测模型进行编码，生成潜在特征，并将所述潜在特征输入所述解码器模型进行解码，生成重构样本； 根据第一损失函数对所述异常检测模型的网络参数进行调整，得到训练好的异常检测模型； 所述并将所述潜在特征输入所述解码器模型进行解码，生成重构样本的步骤包括： 根据第二损失函数对所述解码器模型的网络参数进行调整； 将所述潜在特征输入调整后所述解码器模型进行解码，生成重构样本； 采用如下公式表示所述第一损失函数： 式中，xi表示第i个输入的高光谱样本，表示第i个输入的高光谱样本对应的重构样本； 采用如下公式表示所述第二损失函数： 式中，Li表示异常检测模型学习到的第i个潜在表示，C表示异常检测模型学习从伪背景样本中学习到的潜在特征的平均值，li表示第i个样本的标签。

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中山大学，其通讯地址为：510275 广东省广州市新港西路135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。