• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    空域協(xié)同自編碼器的高光譜異常檢測

    2022-10-21 01:56:04樊港輝馬泳梅曉光黃珺樊凡李皞
    中國圖象圖形學(xué)報 2022年10期
    關(guān)鍵詞:背景檢測模型

    樊港輝,馬泳, 2,梅曉光, 2*,黃珺, 2,樊凡, 2,李皞

    1.武漢大學(xué)電子信息學(xué)院,武漢 430072;2.武漢大學(xué)宇航科學(xué)與技術(shù)研究院,武漢 430079;3.武漢輕工大學(xué)數(shù)學(xué)與計算機學(xué)院,武漢 430023

    0 引 言

    高光譜圖像(hyperspectral imagery, HSI)是由上百幅窄波段圖像堆疊而成的3維立方體,包含比紅外和多光譜圖像更為豐富的光譜信息,廣泛應(yīng)用于礦物探測、農(nóng)業(yè)和國防(Ma等,2019;Mei等,2019;劉康 等,2020)等領(lǐng)域。異常檢測是高光譜遙感探測領(lǐng)域中的一個重要組成部分,目的在于能自動搜尋場景中潛在的目標,尤其在目標的光譜特性無法獲取的場景下具有十分重要的研究意義和實用價值。

    對高光譜異常檢測的算法大致分為基于統(tǒng)計的方法和基于表示的方法兩類?;诮y(tǒng)計的方法(Reed和Yu,1990;李普煌 等,2018)從概率統(tǒng)計的角度對背景進行建模,通過計算各樣本點與模型分布的擬合程度判斷是否為異常樣本?;诒硎镜姆椒?Xu等,2016;朱德輝 等,2020)針對背景和異常各自的特點,通過優(yōu)化理論求解滿足這些特點的矩陣,從而分離出異常。這兩類方法模型簡單、易于理解,探測效果較好且計算量較小,但仍存在以下問題:1)算法的探測效果取決于模型假設(shè)是否符合真實場景的統(tǒng)計分布,當不相符時會導(dǎo)致模型失效(Imani,2017);2)只利用了原始數(shù)據(jù)的淺層特征(如均值、協(xié)方差矩陣等),沒有利用更深層次的特征。此外,Chang等人(2019)指出波段冗余現(xiàn)象,尤其對于高維數(shù)據(jù),會進一步降低異常與背景之間的可分性。高光譜數(shù)據(jù)一般包含上百波段,數(shù)據(jù)冗余導(dǎo)致的異常探測性能下降效應(yīng)尤為明顯。

    自編碼器(autoencoder,AE)作為一種無監(jiān)督的神經(jīng)網(wǎng)絡(luò)模型,通過最小化重構(gòu)誤差獲得更抽象、深層的特征,已成功應(yīng)用于高光譜圖像處理相關(guān)領(lǐng)域(Su等,2019;Shi等,2019)。在高光譜異常檢測方面,自編碼器更傾向于學(xué)習(xí)到能代表背景樣本的低維特征,而忽略小部分代表異常的樣本,故可通過樣本重構(gòu)誤差對樣本分類。然而,高光譜圖像不僅包含光譜信息,同時也包含空間信息,具有圖譜合一的特點。上述方法只利用了高光譜圖像數(shù)據(jù)的光譜維,而拋棄了目標像素間的空間關(guān)系,限制了算法的探測性能。針對以上問題,學(xué)者對AE進行改進。Lu 等人(2020)鑒于流形能保持相似樣本之間在低維子空間的相似性,將流形約束嵌入到AE的損失函數(shù)中,從而保證AE學(xué)到的低維表示能保持原數(shù)據(jù)之間的相似性關(guān)系。Xie等人(2019)基于光譜約束下的對抗自編碼器,利用像素點的8鄰域表示該數(shù)據(jù)點,并利用對抗自編碼器重構(gòu)原始數(shù)據(jù)樣本,通過重構(gòu)誤差篩選出場景中可能存在的異常。上述方法在一定程度上利用了圖像的空間信息,提高了算法在高光譜異常檢測方面的性能,但對噪聲較為敏感,對微弱目標的檢測能力不高。同時,絕大多數(shù)基于AE的異常檢測算法將整幅高光譜圖像視為訓(xùn)練樣本,可能致使AE學(xué)習(xí)到異常的一些特征,不能很好地分離出異常。

    鑒于上述分析,本文提出一種基于空域協(xié)同自編碼器的高光譜異常檢測算法,框架如圖1所示。首先,為了引入空域信息,借助塊圖模型以突出弱小目標。具體來說,通過主成分分析(principal component analysis,PCA)對原始圖像進行降維處理并分塊展開,利用低秩稀疏矩陣分解算法得到稀疏部分,經(jīng)重構(gòu)得到異常檢測的空間響應(yīng)D1。在光譜域上,為了給AE提供更純凈的背景訓(xùn)練集,將D1得到的先驗探測結(jié)果用于指導(dǎo)純凈樣本集的構(gòu)建,經(jīng)篩選構(gòu)建出的訓(xùn)練集更適合于高光譜異常檢測任務(wù)。由該樣本集訓(xùn)練AE得到光譜域的探測結(jié)果D2。為了將空域信息融合進探測結(jié)果,利用D1構(gòu)建了一種加權(quán)方式,進一步突出目標、抑制背景,得到最終探測結(jié)果D。本文的創(chuàng)新點主要體現(xiàn)在:1)針對AE模型存在的對訓(xùn)練集的強噪聲和異常樣本敏感問題,提出從空域角度篩選并構(gòu)建樣本集的策略。引入紅外圖像處理中的塊圖模型以抑制背景,保證構(gòu)建樣本集內(nèi)盡可能只包含背景而不包含異常。2)設(shè)計了一種非負權(quán)重以進一步抑制背景,該權(quán)重在保留異常響應(yīng)的同時懲罰背景響應(yīng)。同時,該非負權(quán)重還將空域信息引入到最終的探測結(jié)果,增大了異常與背景之間的區(qū)分度,進一步提升了自編碼器算法的異常檢測性能。

    圖1 本文算法流程圖

    1 本文算法

    1.1 自編碼器

    z=g(1)(W(1)x+b(1))

    (1)

    式中,W和b分別為自編碼器的權(quán)重和偏置,g(·)為某種非線性激活函數(shù),本文設(shè)置為sigmoid函數(shù)。在訓(xùn)練階段,以重構(gòu)誤差為代價函數(shù),利用梯度下降法及反向傳播算法更新權(quán)重及偏置參數(shù),直至滿足迭代終止條件。在測試階段,由于AE學(xué)習(xí)占比更大的背景的特征,對異常的重構(gòu)結(jié)果通常較差。因此,可以利用重構(gòu)誤差作為準則判斷某輸入樣本是否屬于異常。然而,傳統(tǒng)的基于AE的異常檢測算法利用所有樣本構(gòu)建訓(xùn)練集,其中包含異常樣本。因此,為進一步降低殘差,自編碼器會學(xué)習(xí)異常樣本的特征,從而降低背景和異常之間的區(qū)分度。同時,傳統(tǒng)的AE沒有考慮高光譜圖像的圖譜合一特性,丟失了空域信息,進一步限制了算法的性能。

    1.2 塊圖模型

    針對傳統(tǒng)自編碼器存在的上述問題,本文提出從空域的角度篩選純凈背景像元的策略。由于背景存在非局部自相似性,而目標具有稀疏特性。Gao等人(2013)利用紅外圖像數(shù)據(jù)具有的這種結(jié)構(gòu),提出紅外塊圖(infrared-patch image,IPI)模型,將紅外小目標檢測問題轉(zhuǎn)化為低秩稀疏矩陣的求解問題。實驗表明,IPI模型在信雜比增益(gain of signal-to-clutter ratio,GSCR)和背景抑制因子(background suppress factor,BSF)兩個指標上明顯優(yōu)于傳統(tǒng)紅外小目標檢測算法,如最大中值濾波器、局部對比度方法等(王好賢 等,2019)。受此啟發(fā),本文將塊圖模型引入高光譜異常檢測算法,用于得到異常像素的空間響應(yīng),如圖2所示。首先,為避免高光譜數(shù)據(jù)維度過大導(dǎo)致的計算量問題,對高光譜圖像在光譜域進行PCA處理并取前3維,PCA前3維保留了圖像大部分空域信息。然后,在空域上通過滑窗取出圖像塊并展開成列后拼接成矩陣P。記窗口大小為a,移動步長設(shè)為b,且a>b。借助背景圖像的非局部自相似性以及異常像素點的稀疏特性,這個矩陣可以看做是包含背景的低秩矩陣L與包含小目標的稀疏矩陣S之和。最后,通過重構(gòu)稀疏部分S,得到異常檢測結(jié)果。

    圖2 塊圖模型及求解過程

    上述問題可轉(zhuǎn)化為優(yōu)化問題的求解,其數(shù)學(xué)形式表示為

    s.t.P=L+S

    (2)

    s.t.P=L+S

    (3)

    (4)

    式中,〈·〉為矩陣內(nèi)積操作符,Y為拉格朗日乘子,μ為正的懲罰因子。最小化式(4)可通過ADMM(alternative direction method of multipliers)算法迭代求解。求解過程如下:

    1)固定其他參數(shù),更新L。目標函數(shù)為

    (5)

    該問題的解可由奇異值閾值(singular value thresholding,SVT)算子(Cai等,2010)得到。

    2)固定其他參數(shù),更新S。目標函數(shù)為

    (6)

    該問題可由軟閾值算子(Donoho,1995)求解。

    3)固定其他參數(shù),通過梯度上升法更新Y,具體為

    Y=Y+μ(P-L-S)

    (7)

    迭代更新求解目標函數(shù)式(5)—(7),直至收斂。

    1.3 基于空域協(xié)同自編碼器的異常檢測算法

    自編碼器以重構(gòu)誤差為判決準則,原理簡單且易實現(xiàn),在數(shù)據(jù)異常偵測方面的性能與傳統(tǒng)算法相當,甚至優(yōu)于傳統(tǒng)算法。但自編碼器對高強度噪聲及異常數(shù)據(jù)較為敏感,在訓(xùn)練階段需要純凈的背景光譜數(shù)據(jù)。同時,傳統(tǒng)的AE框架沒有考慮空域信息,進一步約束了算法的探測性能。為避免自編碼器的上述缺陷,本文從空域角度篩選背景樣本,并引入塊圖模型抑制背景,用于指導(dǎo)自編碼器背景訓(xùn)練集的構(gòu)建。具體來說,首先從空域角度出發(fā),利用塊圖模型得到空域異常響應(yīng)結(jié)果D1。按D1各像元值由低到高從原始高光譜數(shù)據(jù)集中選擇占比為k×100%的樣本作為AE的訓(xùn)練樣本集。由于塊圖模型具備優(yōu)良的背景抑制能力,指導(dǎo)選擇出的樣本有更高的置信度為背景,相比于隨機選取訓(xùn)練樣本具有更明顯的優(yōu)勢。簡單起見,k值固定為50,即選取一半樣本作為AE的訓(xùn)練集。自編碼器利用塊圖模型指導(dǎo)選擇出的樣本集進行訓(xùn)練,并以重構(gòu)誤差作為判斷準則,得到光譜域的探測結(jié)果D2。

    為了進一步提升算法的探測性能,充分利用塊圖模型在空域的結(jié)果,構(gòu)造權(quán)重w,滿足

    w=1-e-10·d

    (8)

    式中,d為樣本點在塊圖模型探測結(jié)果D1對應(yīng)坐標位置處的響應(yīng)值。w隨空域響應(yīng)d的變化曲線如圖3所示??梢园l(fā)現(xiàn),d值越小,該樣本點有越大概率為背景,對應(yīng)的權(quán)重越小;d值越大,該樣本越可能為異常,權(quán)重逐漸趨近于1。因此,權(quán)重w可進一步抑制背景,增大異常與背景之間的區(qū)分度。

    圖3 w隨空域響應(yīng)d的變化曲線

    綜上,得到權(quán)重矩陣W,最終的探測結(jié)果D為

    D=W°D2

    (9)

    式中,“°”為Hadamard積。

    本文提出的基于矩陣分解和自編碼器的高光譜異常檢測算法總體流程如下:

    輸入:高光譜圖像H∈RM×N×L;塊圖模型相關(guān)參數(shù)λ、a和b;自編碼器相關(guān)參數(shù)nhid和k。

    1)對高光譜圖像H從光譜域進行PCA并取前3維,按圖2構(gòu)建塊圖模型;

    2)迭代求解問題(5)—(7),得到稀疏部分S,重構(gòu)后在光譜維求平均,得到空域異常響應(yīng)D1;

    3)由D1選擇值最小的k×100%個像元對應(yīng)的光譜數(shù)據(jù)作為自編碼器的訓(xùn)練集,更新網(wǎng)絡(luò);

    4)將高光譜圖像逐像素投入訓(xùn)練好的自編碼器,以重構(gòu)殘差為準則得到光譜域異常響應(yīng)D2;

    5)由空域響應(yīng)D1構(gòu)造權(quán)重矩陣W;

    6)由式(9)得到最終探測結(jié)果D。

    2 實驗結(jié)果及分析

    2.1 數(shù)據(jù)集

    圖4 3組高光譜數(shù)據(jù)集的偽彩圖像及其異常真值圖

    2.2 參數(shù)分析

    影響算法探測性能的相關(guān)參數(shù)主要包括調(diào)節(jié)因子λ、圖像塊尺寸a及滑動步長b、隱含層的節(jié)點個數(shù)nhid以及選取的主成分個數(shù)p。在驗證各參數(shù)的影響之前,將D1進行濾波器尺寸為3 × 3的最大值濾波。簡單起見,引入圖像塊相關(guān)參數(shù)c,設(shè)置滑動步長b=floor(c×min(M,N)),floor(·)為向下取整符號,圖像塊窗口大小a=2b-1。

    2.2.1 調(diào)節(jié)因子λ

    由優(yōu)化函數(shù)式(3)可知,調(diào)節(jié)因子λ用于權(quán)衡低秩部分和稀疏部分所占整體信息的多少。λ越大,對S的懲罰越重,低秩部分L占有更多的信息;相反,λ越小,稀疏部分S占有更多的信息。圖5展示了λ分別取10-4、10-2和100時分解得到低秩部分和稀疏部分的結(jié)果。合適的λ能增強稀疏矩陣S對背景的抑制,而過大的λ會丟失目標信息。

    圖5 λ取不同值時得到的低秩部分和稀疏部分

    為進一步分析λ對最終探測結(jié)果的影響,設(shè)λ從{10-5, 10-4, 10-3, 10-2, 10-1, 100}中選取,參數(shù)c設(shè)置為0.05,nhid設(shè)為100。探測結(jié)果如圖6所示。縱坐標AUC(area under curve)用來衡量優(yōu)劣隨著λ增大,算法探測性能逐漸提升。因為矩陣分解過程中對稀疏部分的懲罰加重,使得矩陣S保留更顯著的目標信息,同時抑制非目標稀疏噪聲。但當λ過大時,對S的懲罰加重,使S丟失目標信息,算法探測性能下降。本文將Sandiego-1和Botanical Garden數(shù)據(jù)集的λ均設(shè)置為10-2,Sandiego-2數(shù)據(jù)集的λ設(shè)置為10-1。

    圖6 λ對最終探測性能的影響

    2.2.2 圖像塊相關(guān)參數(shù)c

    由于不同圖像中目標的大小存在差異,塊圖模型中圖像塊尺寸會影響矩陣分解的求解效果。同時,圖像塊尺寸a和滑動步長b決定所構(gòu)造矩陣的規(guī)模,進而影響塊圖模型背景抑制的能力以及算法的運行效率。本文通過參數(shù)c分析a和b對結(jié)果的影響。c從0.01按0.01遞增直至0.1。算法最終探測結(jié)果如表1所示。從表1的結(jié)果可知,參數(shù)c既影響算法的探測結(jié)果,也影響算法的運行效率。因為圖像塊參數(shù)c影響圖像塊包含目標信息的多少,同時決定了所構(gòu)造矩陣的尺寸。兼顧算法的性能和效率,本文設(shè)置3組數(shù)據(jù)集的參數(shù)c均為0.06。

    表1 參數(shù)c對最終探測性能的影響

    2.2.3 自編碼器隱含層節(jié)點個數(shù)nhid

    自編碼器的隱含層節(jié)點個數(shù)nhid決定了隱空間保留的原始數(shù)據(jù)信息的多少。過少的隱含層節(jié)點個數(shù)會丟失背景的光譜信息,不利于正常樣本點和異常樣本點的分離;而過多的隱含層節(jié)點個數(shù)沒有起到提取有區(qū)分度特征的作用。結(jié)合2.2.1節(jié)和2.2.2節(jié),設(shè)置調(diào)節(jié)因子λ在3個數(shù)據(jù)集上的值分別為10-2、10-1和10-2,圖像塊相關(guān)參數(shù)c均取0.06。設(shè)nhid從{20, 40, 60, 80, 100, 120, 140, 160}中選取,探測結(jié)果如圖7所示。由圖可知,當nhid≥40時,算法的最終探測結(jié)果趨于最佳且相對保持穩(wěn)定,當nhid<40時,探測性能相對較差。因為過小的隱含層節(jié)點個數(shù)導(dǎo)致AE無法有效學(xué)習(xí)到正常樣本的特征,導(dǎo)致正常樣本的重構(gòu)誤差增大,加大了區(qū)分背景和異常目標的難度。簡單起見,本文設(shè)置3組數(shù)據(jù)集的參數(shù)nhid均為100。

    圖7 nhid對最終探測性能的影響

    2.2.4 選取的主成分個數(shù)p

    在塊圖模型中,選取的主成分個數(shù)p決定了所保留的信息量的多少。p值過小,會丟失大量原有信息;p值過大,會增加冗余計算。因此,為探究p不同取值對算法性能和耗時的影響,同時兼顧性能和耗時,設(shè)置p從{1, 2, 3, 5, 10}中選取,探測結(jié)果如表2所示。由表2可知,當選取的主成分個數(shù)為1時,探測性能最低。隨著選取主成分個數(shù)的增加,算法的探測性能變化較小,但耗時增加。因為選取的主成分是用于空域響應(yīng)提取,當個數(shù)達到一定閾值時,得到的空域響應(yīng)保持一致,但由于待分解矩陣的規(guī)模增大,導(dǎo)致耗時增加。兼顧性能和耗時,本文選取的主成分個數(shù)設(shè)置為3。

    表2 選取的主成分個數(shù)對算法性能和耗時的影響

    2.3 算法架構(gòu)分析

    為驗證本文提出的基于空域協(xié)同自編碼器的高光譜異常檢測算法的合理性,設(shè)置了多組對比算法進行實驗,通過對比不同算法在3組高光譜數(shù)據(jù)集上AUC值的大小來衡量算法的優(yōu)劣。本文算法通過塊圖模型從空域篩選背景數(shù)據(jù)集,并充分利用空域信息協(xié)同自編碼器以提升算法檢測性能。實驗采用的對比算法包括:1)通過屬性濾波(attribute filter,AF)替代塊圖模型以驗證塊圖模型在空域?qū)Ρ尘耙种品矫娴膬?yōu)勢,稱為AF-AE方法。AF是一種高光譜目標探測的空域算法,并得到廣泛的研究和應(yīng)用(張香萍,2017;Kang等,2017)。2)AER(autoencoder random-sampling)方法。采用隨機采樣的方式選取自編碼器的訓(xùn)練樣本,以得到單獨采用AE模型得到的異常檢測結(jié)果。采樣的樣本個數(shù)與本文算法一致,均為樣本總體的一半。3)D1和D2,這是本文算法中塊圖模型得到的空域異常響應(yīng)及AE得到的光譜域異常檢測結(jié)果。值得注意的是,這里的D2與塊圖模型得到的結(jié)果D1相關(guān)。實驗中通過調(diào)參使上述算法均能達到最優(yōu)的異常檢測性能,利用高光譜數(shù)據(jù)集進行性能評估,探測結(jié)果如表3所示。由表3分析可知,本文算法在3組高光譜數(shù)據(jù)集上均能取得最優(yōu)的探測性能。相比于AF-AE算法,塊圖模型能夠適應(yīng)復(fù)雜的異構(gòu)背景,更適合于對地遙感監(jiān)測及相關(guān)任務(wù)。對比AER和D2的結(jié)果可以發(fā)現(xiàn),經(jīng)過塊圖模型在空域選擇背景樣本集的策略,相比于隨機選取而言在基于AE探測高光譜圖像場景中的異常目標方面具有明顯優(yōu)勢。實驗結(jié)果表明,本文算法充分利用了空域結(jié)果,通過權(quán)重的方式將空域信息融合到最終的探測結(jié)果中,提升了算法的異常檢測性能。

    表3 各對比算法在3組數(shù)據(jù)集上的AUC值

    2.4 與其他算法比較

    為驗證本文算法在高光譜異常檢測中的優(yōu)越性,與高光譜異常檢測領(lǐng)域經(jīng)典的GRX(global Reed-Xiaoli)算法(Reed和Yu,1990)、LSMAD(lrasmd-based Mahalanobis distance method)算法(Zhang等,2016)和AE算法以及兩種最近提出的具有較高異常檢測性能的前沿算法FrFE(fractional Fourier entropy)(Tao等,2019)和FEBPAD(feature extraction and background purification anomaly detector)(Ma等,2021)進行對比。需要說明的是,本節(jié)中AE算法使用整個高光譜數(shù)據(jù)作為訓(xùn)練集,而本文算法參數(shù)按2.2節(jié)設(shè)置。本文算法中自編碼器采用的是軟件自帶的trainAutoencoder()函數(shù)。設(shè)置學(xué)習(xí)步長為0.01,不加任何約束項(權(quán)重約束項系數(shù)和稀疏約束項系數(shù)均設(shè)置為0),迭代次數(shù)為100,batch設(shè)置為50,激活函數(shù)為sigmoid函數(shù)。其余算法參數(shù)均按獲得最佳探測效果設(shè)置。

    各算法的探測主觀效果圖如圖8所示??梢钥闯觯魉惴ň茌^為有效地突出目標,并能一定程度上抑制背景。但GRX和LSMAD算法由于沒有提取光譜的高維本質(zhì)特征,其背景抑制效果不明顯。而AE和FEBPAD算法在光譜域所張成的子空間或變換域中提取具有區(qū)分度的特征,但是由于沒有考慮到空域信息,導(dǎo)致算法的異常檢測性能受限。本文提出的基于空域協(xié)同自編碼器的異常檢測算法既提取了光譜的低維本質(zhì)特征,避免數(shù)據(jù)冗余導(dǎo)致的性能下降,同時保留了空域信息,從而可以更好地抑制背景,易于將異常從背景中分離出來。

    圖8 不同數(shù)據(jù)集異常檢測主觀效果圖

    評價算法性能的參數(shù)為ROC(receiver operating characteristic)曲線圖、AUC值和耗時,實驗結(jié)果如圖9和表4所示。從圖9可知,對于Sandiego-1數(shù)據(jù)集,在低虛警率下,本文算法的探測概率低于LSMAD。但在檢測出所有目標的前提下(探測率為1),所提基于空域協(xié)同自編碼器的異常檢測算法在3組數(shù)據(jù)集上均具有最低的虛警率。從表4可以看出,本文算法的AUC值明顯高于其他算法,這是因為本文算法同時考慮了塊圖模型帶來的空域信息,以及AE得到的低維本質(zhì)光譜特征。結(jié)合3.3節(jié)D2的結(jié)果可以注意到,D2的AUC值高于AE算法的結(jié)果,分析認為,塊圖模型良好的背景抑制能力可以為AE模型提供更為純凈的訓(xùn)練集,從而保證AE模型在重構(gòu)背景樣本的同時避免學(xué)習(xí)到異常樣本的特征。表4同時列出了各種算法的耗時,本文算法雖然耗時較長,但在所列算法中探測性能最佳。

    圖9 各種算法在3個數(shù)據(jù)集上的ROC曲線

    表4 各算法在3個數(shù)據(jù)集上的AUC值及耗時

    值得注意的是,由于本文算法中訓(xùn)練集只占高光譜所有樣本數(shù)的一半,相比用AE算法直接對所有樣本訓(xùn)練,其耗時可縮短一半以上。

    3 結(jié) 論

    本文提出一種基于空域協(xié)同自編碼器的高光譜異常檢測算法。該算法針對AE對訓(xùn)練集中異常樣本敏感的問題,從空域角度出發(fā),利用塊圖模型在背景抑制方面的優(yōu)勢,為自編碼器提供純凈的背景訓(xùn)練集。同時,算法通過構(gòu)造權(quán)重的方式以充分利用塊圖模型包含的空域信息,進一步提升算法的探測性能。該方法主要分為以下3個步驟:1)利用塊圖模型為自編碼器提供純凈的訓(xùn)練樣本;2)通過AE提取高光譜圖像中目標的光譜域信息;3)利用塊圖模型的異常響應(yīng)構(gòu)造權(quán)重以將空域信息融合進探測結(jié)果中。實驗數(shù)據(jù)包含3組不同尺寸的高光譜數(shù)據(jù)集,與經(jīng)典、前沿的高光譜異常檢測算法進行比較分析。實驗結(jié)果表明,本文算法在高光譜異常探測上得到了最高的AUC值,且能以更低的虛警率實現(xiàn)所有異常像元的探測,說明了本文算法的有效性和優(yōu)越性。但同時需要注意,該算法需要調(diào)整的參數(shù)較多,限制了在實際中的進一步應(yīng)用。因此,在下一步研究中將重點關(guān)注如何實現(xiàn)部分參數(shù)的自動調(diào)整。

    猜你喜歡
    背景檢測模型
    一半模型
    “新四化”背景下汽車NVH的發(fā)展趨勢
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    《論持久戰(zhàn)》的寫作背景
    當代陜西(2020年14期)2021-01-08 09:30:42
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    晚清外語翻譯人才培養(yǎng)的背景
    3D打印中的模型分割與打包
    日韩高清综合在线| 成人国产综合亚洲| 国产男靠女视频免费网站| 亚洲国产欧洲综合997久久,| 毛片女人毛片| 黑人欧美特级aaaaaa片| 小说图片视频综合网站| 久久精品aⅴ一区二区三区四区| 我要搜黄色片| 欧美丝袜亚洲另类 | 久久久久久国产a免费观看| 日本 欧美在线| 老司机福利观看| 国产成+人综合+亚洲专区| 此物有八面人人有两片| 一个人免费在线观看的高清视频| 精品无人区乱码1区二区| 久久国产精品人妻蜜桃| 我的老师免费观看完整版| 黄片小视频在线播放| 日韩av在线大香蕉| 国内久久婷婷六月综合欲色啪| 亚洲最大成人中文| 国产主播在线观看一区二区| 亚洲黑人精品在线| 黄色丝袜av网址大全| 欧美日韩瑟瑟在线播放| 国产伦精品一区二区三区视频9 | 欧美成狂野欧美在线观看| 久久久久精品国产欧美久久久| 手机成人av网站| 搡老岳熟女国产| 久久久水蜜桃国产精品网| 成人无遮挡网站| 久久精品国产99精品国产亚洲性色| 国产单亲对白刺激| 久久伊人香网站| 亚洲国产中文字幕在线视频| 国产精品久久电影中文字幕| 级片在线观看| 精品国产乱子伦一区二区三区| 韩国av一区二区三区四区| 精品福利观看| 一区二区三区高清视频在线| 日韩欧美一区二区三区在线观看| 女生性感内裤真人,穿戴方法视频| а√天堂www在线а√下载| 日韩高清综合在线| av片东京热男人的天堂| svipshipincom国产片| 成人欧美大片| 国产精品一区二区三区四区免费观看 | 国产精品久久久久久人妻精品电影| 日本黄色片子视频| 香蕉久久夜色| 日韩 欧美 亚洲 中文字幕| 亚洲精品中文字幕一二三四区| e午夜精品久久久久久久| 在线国产一区二区在线| 亚洲乱码一区二区免费版| 嫩草影院精品99| 免费在线观看亚洲国产| 色老头精品视频在线观看| www日本黄色视频网| 国产高清有码在线观看视频| 高清在线国产一区| 麻豆久久精品国产亚洲av| 亚洲av成人av| 国产亚洲欧美98| 91九色精品人成在线观看| 人人妻人人澡欧美一区二区| 一夜夜www| 亚洲欧美精品综合久久99| 亚洲最大成人中文| 99热只有精品国产| 国产精品美女特级片免费视频播放器 | 国产伦精品一区二区三区视频9 | 成人鲁丝片一二三区免费| 国产精品亚洲美女久久久| 久久久国产欧美日韩av| 欧美激情在线99| 法律面前人人平等表现在哪些方面| 成年版毛片免费区| 一二三四社区在线视频社区8| 香蕉国产在线看| 成人一区二区视频在线观看| 成人国产一区最新在线观看| 国产精品女同一区二区软件 | 18禁国产床啪视频网站| 国产精华一区二区三区| 99久久99久久久精品蜜桃| 国产av在哪里看| 制服丝袜大香蕉在线| 久久草成人影院| www日本在线高清视频| 一a级毛片在线观看| 老鸭窝网址在线观看| 99久久成人亚洲精品观看| 中文亚洲av片在线观看爽| 深夜精品福利| 国产亚洲欧美98| 成人高潮视频无遮挡免费网站| 国产不卡一卡二| 老鸭窝网址在线观看| 观看免费一级毛片| 午夜免费成人在线视频| 中国美女看黄片| 男女那种视频在线观看| 91字幕亚洲| 男女做爰动态图高潮gif福利片| 不卡一级毛片| 岛国视频午夜一区免费看| 精品一区二区三区视频在线 | 国产精品综合久久久久久久免费| 欧美日韩乱码在线| 国产aⅴ精品一区二区三区波| 成年女人看的毛片在线观看| av在线天堂中文字幕| 老司机午夜福利在线观看视频| 欧美不卡视频在线免费观看| 国产三级黄色录像| 日本撒尿小便嘘嘘汇集6| 99国产精品一区二区三区| 九九久久精品国产亚洲av麻豆 | 国语自产精品视频在线第100页| 亚洲激情在线av| 久久午夜亚洲精品久久| 少妇的逼水好多| 色在线成人网| 99riav亚洲国产免费| 国产探花在线观看一区二区| 丁香欧美五月| 1024手机看黄色片| 757午夜福利合集在线观看| 国产精品久久久人人做人人爽| 欧美成狂野欧美在线观看| 中文字幕高清在线视频| 亚洲国产看品久久| 国产真实乱freesex| 欧美乱码精品一区二区三区| 国产欧美日韩一区二区三| 精品一区二区三区视频在线 | 在线视频色国产色| 久久午夜亚洲精品久久| 欧美乱色亚洲激情| 亚洲国产欧洲综合997久久,| 成人三级做爰电影| 亚洲 国产 在线| 亚洲欧美一区二区三区黑人| 最新美女视频免费是黄的| 悠悠久久av| 99国产综合亚洲精品| 精品久久久久久成人av| 黄色 视频免费看| 天堂av国产一区二区熟女人妻| 国产三级中文精品| 十八禁人妻一区二区| 麻豆一二三区av精品| 五月伊人婷婷丁香| 久99久视频精品免费| 好看av亚洲va欧美ⅴa在| 婷婷六月久久综合丁香| 精品一区二区三区四区五区乱码| 中文亚洲av片在线观看爽| 国产欧美日韩精品亚洲av| 亚洲五月婷婷丁香| 色综合欧美亚洲国产小说| 日韩欧美在线乱码| 一二三四在线观看免费中文在| 大型黄色视频在线免费观看| 99精品欧美一区二区三区四区| 日韩欧美免费精品| www国产在线视频色| 日韩欧美在线乱码| 午夜视频精品福利| 免费av毛片视频| 亚洲av第一区精品v没综合| 欧美色视频一区免费| 国产高清videossex| 国产精品一区二区三区四区免费观看 | 狂野欧美激情性xxxx| 中文字幕高清在线视频| 99久久久亚洲精品蜜臀av| 黄片小视频在线播放| 99riav亚洲国产免费| 看黄色毛片网站| 午夜福利欧美成人| 午夜精品在线福利| 亚洲午夜精品一区,二区,三区| 男女床上黄色一级片免费看| 亚洲男人的天堂狠狠| 亚洲成人久久性| 最近视频中文字幕2019在线8| 亚洲男人的天堂狠狠| 国产精品综合久久久久久久免费| 国产精品国产高清国产av| 一级毛片高清免费大全| 18禁国产床啪视频网站| 国产视频内射| 国产亚洲av高清不卡| 亚洲av电影在线进入| svipshipincom国产片| www.自偷自拍.com| 亚洲成av人片免费观看| 欧美精品啪啪一区二区三区| 淫秽高清视频在线观看| 国产高清三级在线| 国产主播在线观看一区二区| 亚洲一区高清亚洲精品| 久久久久久九九精品二区国产| 欧美成人性av电影在线观看| 国产成人精品久久二区二区免费| 国产成年人精品一区二区| 女人被狂操c到高潮| 国产99白浆流出| 国产伦人伦偷精品视频| 一级毛片高清免费大全| 中文字幕人妻丝袜一区二区| 美女扒开内裤让男人捅视频| 亚洲真实伦在线观看| 久久久久九九精品影院| 国产精品乱码一区二三区的特点| 久久久久久大精品| 国内精品久久久久精免费| www日本黄色视频网| 一级作爱视频免费观看| 熟女电影av网| 视频区欧美日本亚洲| 国产真实乱freesex| 国产av麻豆久久久久久久| www日本黄色视频网| 精品免费久久久久久久清纯| 91老司机精品| 色综合亚洲欧美另类图片| 可以在线观看的亚洲视频| 亚洲欧美精品综合一区二区三区| 国内毛片毛片毛片毛片毛片| 小蜜桃在线观看免费完整版高清| 97超视频在线观看视频| 中出人妻视频一区二区| 人人妻,人人澡人人爽秒播| 午夜免费激情av| 不卡av一区二区三区| 国产av不卡久久| 日韩欧美在线二视频| 女人高潮潮喷娇喘18禁视频| 成年人黄色毛片网站| 免费看光身美女| 国产精品九九99| 国产高清videossex| 精品久久久久久,| av女优亚洲男人天堂 | 男人和女人高潮做爰伦理| 又黄又爽又免费观看的视频| 叶爱在线成人免费视频播放| 中文字幕av在线有码专区| 色吧在线观看| 国产亚洲av嫩草精品影院| 精品熟女少妇八av免费久了| 亚洲 欧美 日韩 在线 免费| 男女视频在线观看网站免费| 亚洲最大成人中文| 制服丝袜大香蕉在线| 成人欧美大片| 亚洲精品美女久久久久99蜜臀| 国产成人啪精品午夜网站| 国产男靠女视频免费网站| 久久久色成人| 熟女电影av网| 麻豆av在线久日| 亚洲无线观看免费| 亚洲无线在线观看| 啦啦啦韩国在线观看视频| 久久亚洲精品不卡| 亚洲欧美精品综合久久99| 男人舔奶头视频| 国产亚洲av嫩草精品影院| 激情在线观看视频在线高清| 国产黄色小视频在线观看| 麻豆一二三区av精品| 精品乱码久久久久久99久播| 中文字幕最新亚洲高清| 日本 av在线| 欧美丝袜亚洲另类 | 国产成人欧美在线观看| 久久久久亚洲av毛片大全| 免费观看的影片在线观看| 欧美不卡视频在线免费观看| 亚洲欧美日韩卡通动漫| 成人高潮视频无遮挡免费网站| 一个人免费在线观看的高清视频| 少妇的逼水好多| www.999成人在线观看| 亚洲精品乱码久久久v下载方式 | 中国美女看黄片| 欧美精品啪啪一区二区三区| 精品免费久久久久久久清纯| 老司机深夜福利视频在线观看| 国产三级黄色录像| 国产伦精品一区二区三区四那| 国产精品,欧美在线| 欧美极品一区二区三区四区| 国产三级在线视频| 亚洲aⅴ乱码一区二区在线播放| 国产激情欧美一区二区| 五月玫瑰六月丁香| 两个人看的免费小视频| 久久精品国产清高在天天线| 天堂影院成人在线观看| 一进一出好大好爽视频| 亚洲欧洲精品一区二区精品久久久| 巨乳人妻的诱惑在线观看| 国产亚洲欧美98| www.自偷自拍.com| 99热6这里只有精品| 人妻夜夜爽99麻豆av| 99riav亚洲国产免费| 欧美不卡视频在线免费观看| 亚洲国产精品成人综合色| 一个人看视频在线观看www免费 | 欧美日韩亚洲国产一区二区在线观看| 丁香欧美五月| 成人三级做爰电影| 男女下面进入的视频免费午夜| 女人被狂操c到高潮| 99国产极品粉嫩在线观看| 好男人在线观看高清免费视频| 小说图片视频综合网站| 一本久久中文字幕| 亚洲中文字幕日韩| 日韩高清综合在线| h日本视频在线播放| 中文在线观看免费www的网站| 国产97色在线日韩免费| 99国产精品一区二区三区| 欧美黄色片欧美黄色片| x7x7x7水蜜桃| 手机成人av网站| 亚洲精品美女久久久久99蜜臀| 99久久综合精品五月天人人| 国产高潮美女av| 一个人免费在线观看电影 | 最好的美女福利视频网| 91在线精品国自产拍蜜月 | 色视频www国产| 欧美不卡视频在线免费观看| 日本精品一区二区三区蜜桃| 成人鲁丝片一二三区免费| 久久国产精品影院| 变态另类丝袜制服| 91麻豆av在线| 国产乱人伦免费视频| 久久久久久大精品| 法律面前人人平等表现在哪些方面| av在线蜜桃| 九色成人免费人妻av| 很黄的视频免费| 亚洲人成网站在线播放欧美日韩| 亚洲av熟女| 国产精品99久久久久久久久| 午夜福利免费观看在线| www.熟女人妻精品国产| 国产三级在线视频| 久9热在线精品视频| 精品福利观看| 国内毛片毛片毛片毛片毛片| 一区二区三区国产精品乱码| 九九久久精品国产亚洲av麻豆 | 曰老女人黄片| 国产精品日韩av在线免费观看| 午夜激情欧美在线| 久久久久久久久中文| 色噜噜av男人的天堂激情| 免费观看的影片在线观看| 免费看光身美女| 深夜精品福利| 狂野欧美白嫩少妇大欣赏| 一级黄色大片毛片| 欧美性猛交黑人性爽| 久久午夜综合久久蜜桃| 亚洲国产精品sss在线观看| 1024手机看黄色片| 天天一区二区日本电影三级| 天堂动漫精品| 欧美成人免费av一区二区三区| av中文乱码字幕在线| 亚洲人成电影免费在线| 亚洲av中文字字幕乱码综合| 国产又色又爽无遮挡免费看| 欧美色视频一区免费| 精品福利观看| 国产美女午夜福利| 国产精品爽爽va在线观看网站| 成人18禁在线播放| 又粗又爽又猛毛片免费看| 两个人视频免费观看高清| 丁香六月欧美| 他把我摸到了高潮在线观看| 精品无人区乱码1区二区| 白带黄色成豆腐渣| 一a级毛片在线观看| 男人和女人高潮做爰伦理| 欧美激情久久久久久爽电影| 88av欧美| 久久久久国产一级毛片高清牌| 国产高潮美女av| 欧美在线一区亚洲| 99国产精品99久久久久| 色综合亚洲欧美另类图片| 欧美丝袜亚洲另类 | 午夜免费观看网址| 精品久久蜜臀av无| 久久久久久人人人人人| 久久久久国内视频| 国内精品一区二区在线观看| 久久久国产精品麻豆| 国产精品永久免费网站| 国产乱人视频| 91久久精品国产一区二区成人 | 美女cb高潮喷水在线观看 | 最近视频中文字幕2019在线8| 亚洲欧洲精品一区二区精品久久久| 亚洲真实伦在线观看| 久久午夜亚洲精品久久| 亚洲欧美日韩东京热| 国产精品日韩av在线免费观看| 熟女少妇亚洲综合色aaa.| 每晚都被弄得嗷嗷叫到高潮| 日韩av在线大香蕉| 国产午夜精品论理片| 一二三四社区在线视频社区8| 欧美成人免费av一区二区三区| 伊人久久大香线蕉亚洲五| 中国美女看黄片| 欧美日韩国产亚洲二区| 国产一区二区激情短视频| 最近最新中文字幕大全电影3| 久久久久久久久久黄片| 久久久久久久久中文| 一个人免费在线观看电影 | 在线观看日韩欧美| 亚洲乱码一区二区免费版| 美女扒开内裤让男人捅视频| 99精品欧美一区二区三区四区| 天堂av国产一区二区熟女人妻| 久久中文字幕人妻熟女| 黄色成人免费大全| 97超视频在线观看视频| 97超视频在线观看视频| 看免费av毛片| 免费大片18禁| 欧美不卡视频在线免费观看| 欧美成狂野欧美在线观看| 日韩成人在线观看一区二区三区| 成年免费大片在线观看| 久久精品夜夜夜夜夜久久蜜豆| 观看免费一级毛片| 精品久久久久久久毛片微露脸| 天天一区二区日本电影三级| 黄片大片在线免费观看| 亚洲av成人不卡在线观看播放网| 成熟少妇高潮喷水视频| 日本 av在线| 精品一区二区三区av网在线观看| 国产一区二区三区在线臀色熟女| 又黄又爽又免费观看的视频| 亚洲成av人片免费观看| 国产男靠女视频免费网站| 美女扒开内裤让男人捅视频| 国产高清视频在线观看网站| 亚洲国产日韩欧美精品在线观看 | 国产单亲对白刺激| 日日夜夜操网爽| 国产亚洲欧美在线一区二区| 国内精品一区二区在线观看| 午夜福利在线观看吧| 日本成人三级电影网站| 欧美黑人巨大hd| 久久久久国产精品人妻aⅴ院| 午夜视频精品福利| 亚洲自拍偷在线| 老司机福利观看| 亚洲专区中文字幕在线| 99在线视频只有这里精品首页| 三级国产精品欧美在线观看 | 日日摸夜夜添夜夜添小说| 久久99热这里只有精品18| 伦理电影免费视频| 91麻豆精品激情在线观看国产| 一本精品99久久精品77| 最新中文字幕久久久久 | 国产精品一区二区精品视频观看| 国产精品 国内视频| 黄色日韩在线| 欧美xxxx黑人xx丫x性爽| 国产综合懂色| 宅男免费午夜| 天堂影院成人在线观看| 日韩欧美一区二区三区在线观看| 欧洲精品卡2卡3卡4卡5卡区| 天天躁狠狠躁夜夜躁狠狠躁| 成年免费大片在线观看| 男女午夜视频在线观看| 欧美中文日本在线观看视频| 久久人人精品亚洲av| 两人在一起打扑克的视频| 国产精品影院久久| e午夜精品久久久久久久| 午夜影院日韩av| 久久久国产成人精品二区| 国产三级在线视频| 欧美3d第一页| 欧美在线黄色| www.精华液| 一进一出好大好爽视频| 最新美女视频免费是黄的| 亚洲av免费在线观看| 欧美一级a爱片免费观看看| 长腿黑丝高跟| 国产精品野战在线观看| 亚洲精品粉嫩美女一区| 小蜜桃在线观看免费完整版高清| 午夜福利免费观看在线| 亚洲无线观看免费| 一夜夜www| 亚洲专区字幕在线| 最近最新中文字幕大全免费视频| 成人高潮视频无遮挡免费网站| 亚洲国产精品成人综合色| 变态另类成人亚洲欧美熟女| 男人的好看免费观看在线视频| 精品国产超薄肉色丝袜足j| 最近在线观看免费完整版| 色哟哟哟哟哟哟| 欧美色欧美亚洲另类二区| 1024香蕉在线观看| 国产午夜精品论理片| 禁无遮挡网站| 少妇人妻一区二区三区视频| 精品国产乱子伦一区二区三区| 精品免费久久久久久久清纯| 亚洲成人久久性| 校园春色视频在线观看| 波多野结衣高清作品| 欧美乱色亚洲激情| 1024手机看黄色片| 午夜a级毛片| 波多野结衣巨乳人妻| 麻豆av在线久日| 国产av在哪里看| 九色国产91popny在线| 制服丝袜大香蕉在线| 日本黄大片高清| 特大巨黑吊av在线直播| 久久香蕉国产精品| 欧美日韩精品网址| 老司机午夜十八禁免费视频| 黄片小视频在线播放| 久久国产精品影院| 在线观看日韩欧美| 久久婷婷人人爽人人干人人爱| 欧美高清成人免费视频www| 性色avwww在线观看| 日韩欧美精品v在线| 久久久精品大字幕| 亚洲aⅴ乱码一区二区在线播放| 亚洲专区中文字幕在线| 国产高清videossex| 午夜精品在线福利| 99久久久亚洲精品蜜臀av| 亚洲avbb在线观看| 露出奶头的视频| 熟女电影av网| 欧美黄色淫秽网站| www.999成人在线观看| 亚洲午夜精品一区,二区,三区| bbb黄色大片| 国产欧美日韩一区二区三| 国产伦一二天堂av在线观看| tocl精华| 午夜福利欧美成人| 免费一级毛片在线播放高清视频| 中国美女看黄片| 日韩欧美精品v在线| 亚洲 欧美一区二区三区| a级毛片在线看网站| 亚洲精品一区av在线观看| 久久久精品大字幕| 99久久无色码亚洲精品果冻| 久久久久亚洲av毛片大全| 日本一本二区三区精品| 国产成人精品久久二区二区91| 伊人久久大香线蕉亚洲五| 观看免费一级毛片| 国产成人精品久久二区二区91| 日韩精品青青久久久久久| 久久人妻av系列| 久久久久久久精品吃奶| av天堂在线播放| 亚洲在线自拍视频| 一个人观看的视频www高清免费观看 | 免费电影在线观看免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 麻豆成人午夜福利视频| 精品国产美女av久久久久小说| 特级一级黄色大片| 欧美一级毛片孕妇| 宅男免费午夜| 亚洲中文日韩欧美视频| 不卡一级毛片| 久久久久国内视频| 亚洲 国产 在线| 色av中文字幕| 黄片小视频在线播放| 日韩大尺度精品在线看网址|