[发明专利]一种基于动态权重深度自编码的高光谱异常检测方法

权利要求书

1.一种基于动态权重深度自编码的高光谱异常检测方法，其特征在于：所述方法具体过程为：

步骤一、将原始高光谱图像数据输入DBN模型，对DBN模型参数进行训练，得到优化好的DBN模型；

步骤二、将被测图像输入到优化好的DBN模型，对被测图像进行编码，得到被测图像的编码图像和对应的重建误差图像；

所述被测图像为原始高光谱图像；

步骤三、将步骤二得到的编码图像输入至局部像素编码选择块，取被测图像中的一个像素作为被测像素，针对该被测像素，得到该被测像素的局部编码图像；执行步骤五；

步骤四、将步骤二得到的重建误差图像输入至局部像素重建误差选择模块，针对步骤三选取的被测像素，得到该被测像素的局部重建误差集；执行步骤六；

步骤五、将步骤三得到的该被测像素的局部编码图像输入至局部邻域距离计算模块，得到该被测像素的局部距离因子；执行步骤七；

步骤六、将步骤四得到的该被测像素的局部重建误差集输入至动态权重生成模块，计算该被测像素的局部重建误差集的均值和方差，对该被测像素的局部重建误差集中的每一个重建误差进行检验并计算动态权重，得到该被测像素局部距离的所有动态权重；执行步骤七；

步骤七、将步骤五得到的该被测像素的局部距离因子和步骤六得到该被测像素局部距离的所有动态权重输入至异常算子计算模块，得到该被测像素的异常检测算子值，设置阈值，当该被测像素的异常检测算子值大于等于阈值时，则该被测像素为异常目标；当该被测像素异常检测算子值小于阈值时，则该被测像素为背景像素；

取被测图像中的下一个像素作为被测像素，重新执行步骤三～步骤七，直至判断完被测图像中的所有像素；

所述步骤三中将步骤二得到的编码图像输入至局部像素编码选择块，取被测图像中的一个像素作为被测像素，针对该被测像素，得到该被测像素的局部编码图像；具体过程为：

取被测图像中的一个像素作为被测像素，针对该被测像素，在编码图像上以被测像素坐标为中心构建一个正方形像素区域，正方形像素区域大小小于编码图像，正方形像素区域内部嵌套一个正方形窗口，嵌套的正方形窗口区域为邻近像素区，两正方形之间的区域像素为被选中像素区，被选中像素区的编码图像为局部编码图像；

所述步骤四中将步骤二得到的重建误差图像输入至局部像素重建误差选择模块，针对步骤三选取的被测像素，得到该被测像素的局部重建误差集；具体过程为：

针对步骤三选取的被测像素，在重建误差图像上以该被测像素坐标为中心构建一个正方形区域，正方形像素区域大小与局部像素编码选择模块中构建的一致；正方形像素区域内部嵌套一个正方形窗口，嵌套的正方形窗口区域为邻近像素区，两正方形之间的区域像素为局部重建误差，被测像素的所有局部重建误差组成局部重建误差集。

2.根据权利要求1所述一种基于动态权重深度自编码的高光谱异常检测方法，其特征在于：所述步骤一中将原始高光谱图像数据输入DBN模型，对DBN模型参数进行训练，得到优化好的DBN模型；具体过程为：

步骤一一、构建DBN模型，对DBN模型进行预训练，得到DBN模型参数的初步估计值；

步骤一二、基于反向传播算法对步骤一一得到的DBN模型参数的初步估计值进行参数细调，得到优化好的DBN模型。

3.根据权利要求2所述一种基于动态权重深度自编码的高光谱异常检测方法，其特征在于：所述步骤二中将被测图像输入到优化好的DBN模型，对被测图像进行编码，得到被测图像的编码图像和对应的重建误差图像；具体过程为：

将被测图像输入到优化好的DBN模型，DBN模型中间层神经元数量低于输入输出层节点数量，整个DBN模型呈对称结构，中间层神经元的输出作为被测图像的编码结果，所有被测像素均独立进行一次编码，从而获得被测图像的编码图像，每个被测图像编码后波段数量低于原始输入的被测图像像素波段数量；

利用优化好的DBN模型对获得的编码图像进行解码，从而获得解码图像，解码图像与输入的被测图像像素具有相同数量的波段，通过下式计算被测图像对应的重建误差图像：

其中，z为被测图像像素，h_w,b(z)表示DBN模型输出层正向传播输出值。