公开(公告)号：CN116912522A

公开(公告)日：2023-10-20

申请号：CN202310904322.8

申请日：2023-07-24

Applicant: 吉林大学

Inventor： 白洪涛 ,  杨榕彬 ,  何丽莉 ,  曹英晖 ,  金龙海

IPC: G06V10/72 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06V20/10 ,  G06V20/17

Abstract: 本发明公开了一种自适应密度峰值聚类波段选择方法，包括以下步骤：步骤S1：输入高光谱图像；步骤S2：计算光谱信息散度，计算光谱角；步骤S3：构造相似矩阵；步骤S4：计算局部密度，计算相对距离；步骤S5：构建波段得分；步骤S6：计算平均斜率；步骤S7：输出波段子集。本发明涉及高光谱图像技术领域，本发明的有益效果是，对传统基于欧式距离的密度峰值聚类波段选择方法进行改进，将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择，取代传统的欧式距离构建波段相似矩阵。通过构建波段评分策略，有效自动选择出重要的光谱波段子集。

公开(公告)号：CN118365953A

公开(公告)日：2024-07-19

申请号：CN202410591661.X

申请日：2024-05-14

Applicant: 吉林大学

Inventor： 白洪涛 ,  杨榕彬 ,  何丽莉

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/776 ,  G06V10/26 ,  G06V20/10 ,  G06N5/01

Abstract: 本发明公开了一种基于密度峰值聚类的孤立森林高光谱影像异常检测方法，包括：通过密度峰值聚类算法将高光谱影像的光谱波段划分为多个聚类簇，以及将待检测的高光谱影像分割为多个超像素区域；对每个所述超像素区域分别进行孤立森林检测，包括如下步骤：步骤一、从所述超像素区域中随机选择ω个像元组成子采样数据集；从所述多个聚类簇中随机选择一个簇，从选出的簇中随机选择一个光谱波段s，并从光谱波段s中随机选择一个值作为分割值；步骤二、通过所述分割值将所述子采样数据集中的像元划分为孤立树的叶子节点，得到孤立树；多次重复进行步骤一至步骤二，得到多个孤立树，形成孤立森林；根据每个像元在孤立森林中的异常值，得到异常检测结果。