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沈阳自动化研究所申请的专利基于高阶张量表示的高光谱图像异常检测方法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：CN115527117B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202211208070.7，技术领域涉及：G06V20/10；该发明授权基于高阶张量表示的高光谱图像异常检测方法是由陈希爱;范慧杰;田建东;贾慧迪;王震设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于高阶张量表示的高光谱图像异常检测方法在说明书摘要公布了：本发明涉及基于高阶张量表示的高光谱图像异常检测方法，引入升阶操作，对数据进行高阶张量表达，利用张量低Tensor‑Train秩近似框架，在保留高光谱整体结构的同时，将合适的正则化约束嵌入高光谱先验知识中。针对背景张量的空间维分段连续先验，采用空间光谱全变分范数正则项表达；针对背景的光谱维低秩先验，采用对数和范数正则项表达；针对异常目标张量存在组稀疏先验，采用L2,12,1范数正则项进行表达。最终在张量框架下，对目标方程采用交替方向乘子法进行凸优化，达到有效提取异常目标的目的，其原理明确、实验验证效果优越，鲁棒性强。本发明为张量表达模型在高光谱遥感影像处理分析提供理论、模型和支持。

本发明授权基于高阶张量表示的高光谱图像异常检测方法在权利要求书中公布了：1.基于高阶张量表示的高光谱图像异常检测方法，其特征在于，在先验初始模型基础上进行如下步骤，再反复迭代优化求解，获取基于高阶张量表示的高光谱图像异常检测模型，实现高光谱图像异常检测；方法包括： 建立先验初始模型过程如下： 假设异常值沿着张量的第二个维度分布，此外异常值与数据尺度相比具备稀疏的特性，故用L2,1范数来度量，则对于任意高阶张量的异常检测问题建模如下： ； 其中，是数据的先验约束项；为输入模型的待处理的观测图像，为背景低秩数据，为模型输出的异常数据； 引入低阶先验项，得到先验初始模型： ； 按照步骤1‑3对先验初始模型进行改进，再反复迭代优化求解； 步骤1、利用组稀疏正则项，用于挖掘各谱段图像行空间结构差异性以及共享的稀疏性结构，对异常值进行检测； 步骤2、利用对数和优化的高阶张量加权低TT秩对高阶张量数据进行秩近似，用于挖掘张量数据中蕴含的相关性，保持背景； 步骤3、采用空间光谱全变分正则化项，用于刻画光谱空间分段连续性； 得到用于实现高光谱图像异常检测的基于高阶张量表示的高光谱图像异常检测模型： ； ；其中，为全变分权重因子，为低秩权重因子，为组稀疏权重因子，为拉格朗日因子，为张量模式矩阵权重因子，为空间光谱全变分正则化项，为利用对数和优化的高阶张量加权低TT秩项，为组稀疏正则项。

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沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。