专利交易市场

本发明涉及一种基于无监督分割的时变体数据全局特征跟踪方法，构造体数据分割网络，对输入的体数据进行分割并实现全局追踪。本发明引入深度学习分割体积数据，从背景中分离特征域，能够自动、准确地跟踪复杂数据中的特定特征，不需要任何人为标注，降低跟踪复杂性，提高跟踪准确性；引入全局特征跟踪方法，只要选择目标特征，就可以在所有时间步长内跟踪与目标特征相似的特征的轨迹，用户可以选择任何时间步的任意特征，在时变数据中追踪到感兴趣的特征，能够从全局角度追踪提取的特征，避免利用局部追踪方法所产生的追踪错误，避免局部跟踪造成的缺陷；增加时空相似特征的跟踪，可同时跟踪目标特征的空间相似特征的完整路径，提高特征追踪精度。

本发明公开了一种基于无监督分割的高光谱图像小目标检测方法，对待检测的高光谱目标图像进行归一化处理，建立高光谱图像分割模型；根据高光谱图像分割结果图，统计分割结果图中每一连通域内包含的像素个数，判断每一连通域内像素个数是否小于设定的阈值N；将待检测图像划分为多个连通域，并将连通域内的像素个数小于设定的阈值N的连通域判定为待检测小目标的感兴趣区域；将感兴趣区域内的像素光谱与已知光谱模板作为自适应余弦估计高光谱检测器的输入，检测感兴趣区域内的像素是否为目标像素；最后输出高光谱目标图像的检测结果。该方法能够有效缩小目标检测范围并提升小目标的检测精度，可用于高光谱遥感技术下的农业监测、军事侦察等。