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！

申请/专利权人：大连海事大学

摘要：本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。

主权项：1.一种基于元学习和连体网络的高光谱目标检测方法，其特征在于包括：构建三通道深度残差卷积连体网络，该连体网络的每个通道由一维深度残差卷积网络构成；基于同类像元光谱类内距离小、不同类像元光谱类间距离大的原理构建光谱三重态损失函数；从有标签源域高光谱数据集中构建任务组成元训练的训练集；将构建的任务组成任务批次输入三通道深度残差卷积连体网络中进行元训练，过程为：将M个任务组成一个批次，元目标是找到作用于多个任务的公共参数，即元知识w*，公式如下： 将元训练过程转化为双层优化问题，双层优化是指分层优化，其中一个优化包含另一种优化作为约束，将元训练形式化如下： 内部对于每个任务采取梯度更新： 在外部目标中替换即： 其中内部优化只用到每个任务的支持集，外部优化只用每个任务的查询集；将元训练后得到的一维深度残差卷积网络用以构建两通道深度残差卷积连体网络，将已知先验目标光谱输入至所述两通道深度残差卷积连体网络的两个通道中，更新已经学习到的元知识以获得一维深度残差卷积网络的最佳参数；将已知先验目标光谱与待检测高光谱图像中的每个像元光谱输入两通道深度残差卷积连体网络中，根据余弦相似性判别待检测像元光谱是否属于目标；结和空间信息、采用待检测高光谱图像的第一主成分作为引导图像，对两通道深度残差卷积连体网络得到的检测图进行引导图滤波，检测过程为：对待检测的高光谱图像Pt进行主成分分析，选取第一主成分作为引导图像，对两通道深度残差卷积连体网络得到的检测图进行引导图滤波，公式如下： 其中，ek是以第k个像元为中心的窗口，大小为2r+1×2r+1，r是窗口的半径，μk，分别是引导图像I的均值与方差，|e|是ek中的像元数量，ε是一个惩罚值，Ii与Ij是指引导图像中相邻两个像元处的值；最后对引导图滤波后的检测图Q进行形态学闭运算，先腐蚀后膨胀，将目标区域中的不连续区域连通起来，公式如下： 其中Qfinal是最终的联合光谱-空间检测图，B是结构元素矩阵，表示膨胀运算，Θ表示腐蚀运算；对引导图滤波后的图像进行形态学闭操作、从而获得最终的检测结果图。

全文数据：

权利要求：

百度查询： 大连海事大学 基于元学习和连体网络的高光谱图像目标检测方法