专利交易市场

本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。

本发明公开了图异常检测技术领域中的一种基于掩码图自编码器的图异常检测方法及系统，所述方法包括：对输入的待检测高光谱图像进行预处理，获取节点特征矩阵和边索引矩阵；对所述节点特征矩阵进行随机掩码操作；将随机掩码操作后的节点特征矩阵与所述边索引矩阵输入自编码器，得到重建特征矩阵；根据重建特征矩阵计算重建误差，得到异常分数；将异常分数高于设定阈值的像素标记为异常。本发明获取节点特征矩阵和边索引矩阵，对节点特征矩阵进行随机掩码，保留边索引矩阵，提高异常检测的准确性和鲁棒性。