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！

龙图腾网获悉武汉大学申请的专利基于空频特征和图谱特征的地表异常检测方法及装置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：CN119919710B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411820878.X，技术领域涉及：G06V10/764；该发明授权基于空频特征和图谱特征的地表异常检测方法及装置是由肖锐;刘畅设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于空频特征和图谱特征的地表异常检测方法及装置在说明书摘要公布了：本申请涉及遥感影像异常技术领域，特别涉及一种基于空频特征和图谱特征的地表异常检测方法及装置，其中，方法包括：获取单景高光谱影像，并确定单景高光谱影像的至少一个影像场景，且将单景高光谱影像分解为空、频域综合特征信息，以利用空、频域综合特征信息构建空频域异常特征指数；基于地表异常知识图谱，运用通道注意力机制对多个特征进行深度挖掘，以针对至少一个影像场景的不同场景选取满足预设条件的高注意力特征，构造用于地表异常发现的图谱特征综合指数，以利用空频域异常特征指数和图谱特征综合指数得到异常检测结果。由此，解决相关技术中，地表异常检测存在地表特征离散性、不确定性、时变性，且运算效率低等局限的问题。

本发明授权基于空频特征和图谱特征的地表异常检测方法及装置在权利要求书中公布了：1.一种基于空频特征和图谱特征的地表异常检测方法，其特征在于，包括以下步骤： 获取地表异常知识图谱； 获取单景高光谱影像，并确定所述单景高光谱影像的至少一个影像场景，且将所述单景高光谱影像分解为空、频域综合特征信息，以利用所述空、频域综合特征信息构建空频域异常特征指数； 基于所述地表异常知识图谱，运用通道注意力机制对多个特征进行深度挖掘，以针对所述至少一个影像场景的不同场景选取满足预设条件的高注意力特征，构造用于地表异常发现的图谱特征综合指数，以利用所述空频域异常特征指数和所述图谱特征综合指数得到异常检测结果； 其中，所述获取单景高光谱影像，并确定所述单景高光谱影像的至少一个影像场景，且将所述单景高光谱影像分解为空、频域综合特征信息，以利用所述空、频域综合特征信息构建空频域异常特征指数，包括：读取所述单景高光谱影像；将所述单景高光谱影像转换为双精度格式的图像；对所述图像的每个像素进行迭代，以计算每个像素的各波段值的外积和平均值，并根据所述每个像素的各波段值的外积和平均值以计算协方差矩阵；计算所述协方差矩阵的至少一个特征值和特征向量，以对至少一个特征值进行排序，确定多个主要的成分，并计算各特征值的贡献率，找出累计贡献率大于预设阈值的主成分；确定所述主成分对应的特征向量，以读取每个像元位置的各波段值且进行主成分变换，得到主成分变换后的矩阵； 其中，所述获取单景高光谱影像，并确定所述单景高光谱影像的至少一个影像场景，且将所述单景高光谱影像分解为空、频域综合特征信息，以利用所述空、频域综合特征信息构建空频域异常特征指数，还包括：对所述主成分变换后的矩阵进行归一化处理，以对所述主成分变换后矩阵的每个像素点调用离散分数傅里叶变换函数，计算每个波段的熵，并取最大值赋予FrFE，以得到对应阶；循环处理像素点，调用函数以进行离散傅里叶变换，计算DFRFT的特征向量矩阵，使用所述特征向量矩阵和输入向量计算DFRFT得出结果数据，且对所述结果数据进行标准化处理。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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。