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！

龙图腾网获悉常州大学申请的专利基于深度学习的高光谱遥感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：CN117274800B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202311152820.8，技术领域涉及：G06V20/10；该发明授权基于深度学习的高光谱遥感图像异常检测方法是由陈从平;程思敏;陈奔;徐志伟;陆鹏;张吴燚;戴国洪设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于深度学习的高光谱遥感图像异常检测方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及基于深度学习的高光谱遥感图像异常检测方法，包括对高光谱遥感图像进行归一化预处理得到原始高光谱图；将原始高光谱图输入低秩背景特征提取网络生成低秩背景特征；将低秩背景特征输入主干特征提取网络，得到主干特征；将主干特征输入特征卷积网络，得到卷积特征；将卷积特征输入上采样网络，得到上采样特征；将上采样特征输入特征卷积子网络，得到重建背景特征图；将原始高光谱图与重建背景特征图相减得到重构误差图，并利用自适应加权损失函数抑制异常的重建权重。本发明针对现有的高光谱异常检测存在未对背景的低秩特性给予充分利用的问题以及现有算法对背景和异常的分离仍具有挑战性。

本发明授权基于深度学习的高光谱遥感图像异常检测方法在权利要求书中公布了：1.基于深度学习的高光谱遥感图像异常检测方法，其特征在于，包括以下步骤： 步骤一、对高光谱遥感图像进行归一化预处理得到原始高光谱图； 步骤二、搭建低秩背景特征提取网络，将原始高光谱图输入低秩背景特征提取网络生成低秩背景特征； 低秩背景特征提取网络包括：三个1x1卷积和三个分支，第一个和第三个分支包括LRB模块；第一1x1卷积的特征分别输入三个分支，第一分支经过LRB1模块与第二分支的特征相乘，并与第三分支经LRB2模块的特征相乘，再经过第二和第三1x1卷积后输出低秩背景特征； LRB模块的结构包括：两个3x3卷积、1x1卷积、BN层和scSE注意力机制，3x3卷积后跟随LeakyReLU激活函数，1x1卷积后跟随BN层，并以密集跳跃的方式连接； 步骤三、构建主干特征提取网络，将低秩背景特征输入主干特征提取网络，得到主干特征； 主干特征提取网络包括由FEB模块和DRB模块组成的第一和第二主干特征提取子网络；第一主干特征提取子网络包括FEB1模块、FEB2模块构成主支路，并与DRB1模块构成分支路的输出相加；第二主干特征提取子网络包括FEB3模块、FEB4模块构成主支路，并与DRB2模块构成分支路的输出相加，输出主干特征； FEB模块包括：包括一个倒置模块和一个1x1卷积，倒置模块包括1x1升维卷积、3x3卷积、1x1降维卷积； DRB模块包括两个3x3卷积和scSE注意力机制；其中，3x3卷积后跟随BN层和LeakyReLU激活函数； 步骤四、构建特征卷积网络，将主干特征输入特征卷积网络，得到卷积特征； 步骤五、构建上采样网络，将卷积特征输入上采样网络，得到上采样特征； 步骤六、构建特征卷积子网络，将上采样特征输入特征卷积子网络，得到重建背景特征图； 步骤七、将原始高光谱图与重建背景特征图相减得到重构误差图，并利用自适应加权损失函数抑制异常的重建权重。

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常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21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。