【技术实现步骤摘要】
本专利技术涉及遥感图像处理，尤其涉及一种用于对高光谱图像进行异常检测的方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品。
技术介绍
1、随着人工智能的兴起，深度学习技术被应用于高光谱（遥感）图像异常检测任务，并取得非凡的成果。然而，目前大多数基于深度学习的异常检测模型属于两步式检测；即，需要匹配不同应用场景在不同数据集上对网络进行重新训练或参数微调才能获得最佳检测结果。
2、基于上述情况，相关技术人员意识到“如何设计一种只需要训练一次就能在不同数据集上直接进行检测的网络模型”十分重要。但是，目前现有技术中，关于这类模型的方案存在“受到输入高光谱图像的空间尺寸或光谱维度大小的限制”的问题。
技术实现思路
1、本专利技术提供一种用于对高光谱图像进行异常检测的方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品，用以解决现有技术中的缺陷。
2、本专利技术提供一种用于对高光谱图像进行异常检测的方法，包括：
3、获取目标图像；其中，所述目标图像为需要进行异常检测的高光谱图像；
4、将所述目标图像输入预设卷积注意力网络，经所述预设卷积注意力网络输出关于所述目标图像的异常检测结果；其中，所述异常检测结果包括从所述目标图像中分离出的异常目标；
5、其中，所述预设卷积注意力网络基于预设训练框架以及至少一组训练数据训练得到，所述至少一组训练数据中的每组训练数据包括一张高光谱样本图像，所述预设训练框架能够基于所述每组
6、本专利技术还提供一种用于对高光谱图像进行异常检测的装置，包括：
7、图像获取模块，被配置为：获取目标图像；其中，所述目标图像为需要进行异常检测的高光谱图像；
8、检测执行模块，被配置为：将所述目标图像输入预设卷积注意力网络，经所述预设卷积注意力网络输出关于所述目标图像的异常检测结果；其中，所述异常检测结果包括从所述目标图像中分离出的异常目标；
9、其中，所述预设卷积注意力网络基于预设训练框架以及至少一组训练数据训练得到，所述至少一组训练数据中的每组训练数据包括一张高光谱样本图像，所述预设训练框架能够基于所述每组训练数据中的高光谱样本图像生成对应的异常样本图像和背景样本图像，以及基于所述异常样本图像生成对应的异常增强样本图像。
10、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用于对高光谱图像进行异常检测的方法。
11、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用于对高光谱图像进行异常检测的方法。
12、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述用于对高光谱图像进行异常检测的方法。
13、如上所述，基于本专利技术实施例提供的用于对高光谱图像进行异常检测的方法；第一，可根据高光谱图像中异常目标具有的稀疏特性，利用自适应稀疏模块在训练阶段当作采样器，将输入数据（即，所述高光谱样本图像）初步地划分为异常样本图像与背景样本图像，为高光谱异常检测方法的样本选择开辟新途径。第二，在训练阶段，利用数据增强模块既能保证数据增强前后语义和分布的一致性，又能增加样本之间的多样性，从而可为高维数据的数据增强提供新方法，用以解决深度学习网络训练的小样本问题。第三，在训练阶段，设计的待训练的卷积注意力网络属于一种检测精度高、模型复杂度低，能对输入的高光谱样本图像直接推理并输出检测结果的轻量化卷积注意力网络模型；利用该网络能同时提取高光谱样本图像的全局和局部特征以挖掘数据潜在信息，且不受输入高光谱图像空间尺寸和光谱维度大小的限制，从而可实现真正的统一检测。
本文档来自技高网...【技术保护点】
1.一种用于对高光谱图像进行异常检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设卷积注意力网络包括级联的特征提取网络和分类器；
3.根据权利要求2所述的方法，其特征在于，所述全局特征提取网络分支包括级联的第一卷积层、像素嵌入层以及双层编码器单元；
4.根据权利要求2所述的方法，其特征在于，所述预设训练框架包括自适应稀疏模块、数据增强模块以及待训练的卷积注意力网络；
5.根据权利要求4所述的方法，其特征在于，基于所述预设训练框架，训练得到所述预设卷积注意力网络的训练步骤，包括：
6.根据权利要求5所述的方法，其特征在于，利用预设综合损失函数，基于所述每组训练数据中的高光谱样本图像、与所述高光谱样本图像对应的异常样本图像、背景样本图像以及预测图像，获取所述综合损失函数的函数值，包括：
7.根据权利要求6所述的方法，其特征在于，基于与所述高光谱样本图像对应的异常样本图像、背景样本图像，计算聚类损失函数的函数值，包括：
8.根据权利要求6所述的方法，其特征在于，利用预设权
9.根据权利要求5所述的方法，其特征在于，基于所述综合损失函数的函数值，对所述待训练的卷积注意力网络进行训练，直至满足预设训练完成条件，包括：
10.一种用于对高光谱图像进行异常检测的装置，其特征在于，包括：
...【技术特征摘要】
1.一种用于对高光谱图像进行异常检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设卷积注意力网络包括级联的特征提取网络和分类器；
3.根据权利要求2所述的方法，其特征在于，所述全局特征提取网络分支包括级联的第一卷积层、像素嵌入层以及双层编码器单元；
4.根据权利要求2所述的方法，其特征在于，所述预设训练框架包括自适应稀疏模块、数据增强模块以及待训练的卷积注意力网络；
5.根据权利要求4所述的方法，其特征在于，基于所述预设训练框架，训练得到所述预设卷积注意力网络的训练步骤，包括：
6.根据权利要求5所述的方法，其特征在于，利用预设综合损失函数，基于所述每组训练数据中的高光...
【专利技术属性】
技术研发人员：董燕妮，戴秀清，张玉香，罗甫林，张乐飞，杜博，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。