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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于多特征智能优选的高光谱异常检测方法与系统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：CN116051997B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310063532.9，技术领域涉及：G06V20/10；该发明授权基于多特征智能优选的高光谱异常检测方法与系统是由王含宇;张涛;孟令通;田大鹏;沈宏海;杨名宇;姚东;晏春回;王昱棠;刘凯设计研发完成，并于2023-01-13向国家知识产权局提交的专利申请。

本基于多特征智能优选的高光谱异常检测方法与系统在说明书摘要公布了：本发明提供一种基于多特征智能优选的高光谱异常检测方法与系统，首先对原始高光谱数据进行谱段优选，通过跨子空间联合提取原始光谱数据中的最优谱段集；继而对最优谱段集中各谱段进行多尺度、多类型的属性滤波及差分运算，提取异常目标的空谱特征信息，且放大目标与背景间差异；然后采用遗传算法对各特征剖面进行分类，并智能优选出最具代表性的空谱特征剖面集合；最后将智能优选出的各空谱特征剖面进行阈值加权求和，滤除背景信息并突显目标位置，联合生成异常检测结果。本发明采用由粗到精的检测策略，在提高精度的同时实现多目标自动化检测功能。

本发明授权基于多特征智能优选的高光谱异常检测方法与系统在权利要求书中公布了：1.一种基于多特征智能优选的高光谱异常检测系统，其特征在于，所述基于多特征智能优选的高光谱异常检测系统包括谱段选择模块、空谱特征提取模块、空谱特征剖面优选模块和异常检测结果生成模块，其中， 所述谱段选择模块用于通过跨子空间联合对原始高光谱数据进行谱段选择，形成最优谱段集； 所述空谱特征提取模块对最优谱段集中各谱段进行多尺度、多类型的属性滤波及差分运算，提取异常目标的空谱特征信息，且抑制背景信息，增强目标与背景间差异； 所述空谱特征剖面优选模块用于将不同属性和不同阈值参数所获取的特征剖面进行分类，并自动智能优选出最具代表性的空谱特征剖面集合； 所述空谱特征剖面优选模块包括空谱特征剖面编号单元、差异性系数计算单元、最优特征剖面筛选单元，其中， 所述空谱特征剖面编号单元用于将归一化后的所述空谱特征剖面进行编号作为遗传算法中各染色体的编码值，所述染色体采用实数编码方式，范围从1至所述空谱特征剖面的总数q，个体中所含染色体个数为期望获得的具有代表性的特征剖面个数n； 所述差异性系数计算单元通过适应度函数表示该剖面的组合作为最优特征剖面时，类内与类间的差异性系数比值的计算公式如下： 9； 其中，fci和fcj分别为不同的所述最优特征剖面，fh为ci类的类内成员，Cci则为属于ci类的成员个数，DNMI代表差异性系数，差异性系数值越小表示两个特征剖面间差异越大，DNMI的计算公式如下： 10； 其中，Gi和Gj分别为fi和fj的灰度值集合，gx和gy分别为其中的各个灰度值，pgx，gy则为联合概率质量函数； 所述最优特征剖面筛选单元通过执行选择、交叉、变异操作，反复计算种群中每个个体的适应度函数，智能挑选出类内差异最小、类间差异最大的特征剖面组合，即为代表所述高光谱数据空谱特性的最优特征剖面集合； 所述异常检测结果生成模块用于将智能优选出的所述最具代表性的各空谱特征剖面进行阈值加权求和，使目标信息不断进行叠加和补充，滤除背景信息并突显目标位置，联合生成异常检测结果。

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国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。