• <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.武漢大學電子信息學院,武漢 430072;2.武漢大學宇航科學與技術(shù)研究院,武漢 430079;3.武漢輕工大學數(shù)學與計算機學院,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。基于統(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習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練樣本,可能致使AE學習到異常的一些特征,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練集,將D1得到的先驗探測結(jié)果用于指導純凈樣本集的構(gòu)建,經(jīng)篩選構(gòu)建出的訓練集更適合于高光譜異常檢測任務(wù)。由該樣本集訓練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學習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,自編碼器會學習異常樣本的特征,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,用于指導自編碼器背景訓練集的構(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的訓練樣本集。由于塊圖模型具備優(yōu)良的背景抑制能力,指導選擇出的樣本有更高的置信度為背景,相比于隨機選取訓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的訓練集。自編碼器利用塊圖模型指導選擇出的樣本集進行訓練,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?。籨值越大,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)作為自編碼器的訓練集,更新網(wǎng)絡(luò);

    4)將高光譜圖像逐像素投入訓練好的自編碼器,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)導致AE無法有效學習到正常樣本的特征,導致正常樣本的重構(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)置學習步長為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。可以看出,各算法均能較為有效地突出目標,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練集,從而保證AE模型在重構(gòu)背景樣本的同時避免學習到異常樣本的特征。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
    av黄色大香蕉| 亚洲国产色片| 如何舔出高潮| 欧美+日韩+精品| 日韩人妻高清精品专区| 亚洲av免费在线观看| 国产高清有码在线观看视频| 欧美黄色淫秽网站| 高潮久久久久久久久久久不卡| 成人高潮视频无遮挡免费网站| 好男人电影高清在线观看| 精品一区二区免费观看| 亚洲精品影视一区二区三区av| 一级av片app| 亚洲成av人片在线播放无| 两个人的视频大全免费| 国产精品免费一区二区三区在线| 欧美成人a在线观看| 国产v大片淫在线免费观看| 搡老熟女国产l中国老女人| av在线蜜桃| 色吧在线观看| 午夜精品在线福利| av在线老鸭窝| 国产一区二区三区视频了| 国产精品久久久久久精品电影| 女人十人毛片免费观看3o分钟| 最新在线观看一区二区三区| 99国产精品一区二区三区| 亚洲真实伦在线观看| 国产一区二区亚洲精品在线观看| 久99久视频精品免费| 成人美女网站在线观看视频| 久久久久久九九精品二区国产| 我的女老师完整版在线观看| 久久九九热精品免费| 久久久久精品国产欧美久久久| 亚洲色图av天堂| www日本黄色视频网| av在线天堂中文字幕| 一进一出抽搐动态| 色5月婷婷丁香| 波多野结衣高清无吗| 琪琪午夜伦伦电影理论片6080| 1024手机看黄色片| 国产在线男女| 午夜福利18| 我要看日韩黄色一级片| 99久国产av精品| 欧美乱色亚洲激情| 男女下面进入的视频免费午夜| 最近中文字幕高清免费大全6 | 美女高潮的动态| 在线播放无遮挡| 亚洲精品亚洲一区二区| 日韩欧美免费精品| 在线看三级毛片| 欧美高清成人免费视频www| 亚洲 国产 在线| 国产三级黄色录像| 国产视频内射| 久久久久国产精品人妻aⅴ院| 无遮挡黄片免费观看| 深爱激情五月婷婷| 亚洲男人的天堂狠狠| 日本在线视频免费播放| 国产 一区 欧美 日韩| 乱人视频在线观看| 成人毛片a级毛片在线播放| 亚洲 欧美 日韩 在线 免费| 国产伦精品一区二区三区四那| 成人一区二区视频在线观看| 91在线观看av| 日韩欧美在线乱码| 中文字幕av在线有码专区| 18+在线观看网站| 少妇熟女aⅴ在线视频| 99视频精品全部免费 在线| 国产高清视频在线播放一区| 亚洲美女黄片视频| 国产免费av片在线观看野外av| 琪琪午夜伦伦电影理论片6080| 日韩欧美免费精品| www.www免费av| 欧美色欧美亚洲另类二区| 亚洲第一欧美日韩一区二区三区| 人人妻人人看人人澡| 97碰自拍视频| 岛国在线免费视频观看| 欧美极品一区二区三区四区| 国产乱人伦免费视频| 精品一区二区免费观看| 能在线免费观看的黄片| 欧美日韩国产亚洲二区| 成人国产一区最新在线观看| 悠悠久久av| 老司机福利观看| 成年免费大片在线观看| 一级av片app| 久久人妻av系列| 怎么达到女性高潮| 特级一级黄色大片| 亚洲第一区二区三区不卡| 精品人妻视频免费看| 国产国拍精品亚洲av在线观看| 日本a在线网址| 国产精品嫩草影院av在线观看 | 午夜福利欧美成人| av欧美777| 精品久久久久久久久av| 少妇丰满av| 久久久久久久久大av| 国产亚洲欧美在线一区二区| 国产成人影院久久av| 91麻豆av在线| 在线播放国产精品三级| 国产成人a区在线观看| 少妇的逼好多水| 老鸭窝网址在线观看| bbb黄色大片| 免费黄网站久久成人精品 | 欧美午夜高清在线| 美女xxoo啪啪120秒动态图 | 成人特级黄色片久久久久久久| av天堂在线播放| 天堂√8在线中文| 超碰av人人做人人爽久久| 亚洲最大成人手机在线| 午夜久久久久精精品| 精品一区二区三区视频在线观看免费| 美女xxoo啪啪120秒动态图 | 麻豆国产97在线/欧美| 少妇人妻精品综合一区二区 | 久久中文看片网| 久久久色成人| 欧美高清成人免费视频www| 美女大奶头视频| 久久久久久久精品吃奶| 国内精品久久久久精免费| 日本免费一区二区三区高清不卡| 亚洲av熟女| 高清在线国产一区| 国产午夜福利久久久久久| 波多野结衣高清作品| 午夜精品在线福利| 天天一区二区日本电影三级| 亚洲18禁久久av| 午夜精品久久久久久毛片777| 赤兔流量卡办理| 少妇人妻一区二区三区视频| 久久久久国内视频| 脱女人内裤的视频| 欧美在线黄色| 成人性生交大片免费视频hd| 国产av麻豆久久久久久久| 久久久久国产精品人妻aⅴ院| 国产精品综合久久久久久久免费| 久久久久久久久久黄片| 亚洲精品久久国产高清桃花| 欧美日韩亚洲国产一区二区在线观看| 在线观看舔阴道视频| 精品一区二区三区视频在线观看免费| 日韩欧美三级三区| 99国产精品一区二区蜜桃av| 老司机午夜福利在线观看视频| 中文字幕久久专区| av在线蜜桃| www.色视频.com| 搡老妇女老女人老熟妇| 性欧美人与动物交配| 免费人成在线观看视频色| 国产精品亚洲一级av第二区| 男女床上黄色一级片免费看| 中文字幕免费在线视频6| 亚洲电影在线观看av| 久久久精品欧美日韩精品| 亚洲av不卡在线观看| 欧美三级亚洲精品| 露出奶头的视频| 午夜福利成人在线免费观看| 成人毛片a级毛片在线播放| 亚洲av第一区精品v没综合| av黄色大香蕉| 少妇人妻一区二区三区视频| 精品熟女少妇八av免费久了| 麻豆成人av在线观看| 长腿黑丝高跟| 日韩欧美在线二视频| ponron亚洲| 亚洲av第一区精品v没综合| 日本一本二区三区精品| avwww免费| 最近在线观看免费完整版| 国产精品不卡视频一区二区 | 免费观看精品视频网站| 18禁黄网站禁片免费观看直播| a在线观看视频网站| 午夜日韩欧美国产| 久久精品国产亚洲av香蕉五月| 可以在线观看的亚洲视频| 欧美日韩瑟瑟在线播放| 欧美黑人欧美精品刺激| 欧美成人免费av一区二区三区| 亚洲人成网站在线播放欧美日韩| 天美传媒精品一区二区| 成人精品一区二区免费| 丰满人妻一区二区三区视频av| 一级黄片播放器| 一个人看的www免费观看视频| 精品久久久久久久久av| 国产aⅴ精品一区二区三区波| 午夜免费成人在线视频| 1024手机看黄色片| 女同久久另类99精品国产91| 天美传媒精品一区二区| 脱女人内裤的视频| 美女黄网站色视频| 蜜桃亚洲精品一区二区三区| 欧美一区二区精品小视频在线| 岛国在线免费视频观看| 中文字幕高清在线视频| 日本精品一区二区三区蜜桃| 免费看日本二区| 国产老妇女一区| 美女高潮喷水抽搐中文字幕| 九九热线精品视视频播放| 男人和女人高潮做爰伦理| 观看免费一级毛片| 国产精品98久久久久久宅男小说| 夜夜看夜夜爽夜夜摸| 亚洲中文日韩欧美视频| 一级黄色大片毛片| 久久久久久九九精品二区国产| 色哟哟·www| 可以在线观看的亚洲视频| 欧美一级a爱片免费观看看| 国产午夜福利久久久久久| 88av欧美| 麻豆国产av国片精品| 国产综合懂色| 成年女人看的毛片在线观看| 亚洲真实伦在线观看| 狠狠狠狠99中文字幕| 国产色婷婷99| 亚洲真实伦在线观看| av视频在线观看入口| 内地一区二区视频在线| 99视频精品全部免费 在线| 亚洲熟妇中文字幕五十中出| 麻豆成人午夜福利视频| 在线观看舔阴道视频| av国产免费在线观看| 亚洲精品影视一区二区三区av| 日韩精品青青久久久久久| 噜噜噜噜噜久久久久久91| 国产视频内射| 伦理电影大哥的女人| 亚洲中文字幕一区二区三区有码在线看| 看片在线看免费视频| 成人av一区二区三区在线看| 舔av片在线| 亚洲avbb在线观看| 亚洲一区二区三区不卡视频| 丁香六月欧美| 自拍偷自拍亚洲精品老妇| 两个人视频免费观看高清| 一本精品99久久精品77| 亚洲va日本ⅴa欧美va伊人久久| 亚洲,欧美精品.| 久久性视频一级片| 男女那种视频在线观看| 日韩免费av在线播放| 国产成年人精品一区二区| 一边摸一边抽搐一进一小说| 欧美最黄视频在线播放免费| 97人妻精品一区二区三区麻豆| 欧美成人性av电影在线观看| 亚洲熟妇中文字幕五十中出| 亚洲国产欧美人成| 欧美色视频一区免费| 精品午夜福利视频在线观看一区| 中文资源天堂在线| eeuss影院久久| 日韩欧美精品免费久久 | 日本黄色视频三级网站网址| 热99在线观看视频| 欧美在线一区亚洲| 欧美高清性xxxxhd video| 日本黄大片高清| 免费观看人在逋| 国产探花在线观看一区二区| 91av网一区二区| 成人无遮挡网站| 九色国产91popny在线| 日本成人三级电影网站| 亚洲美女视频黄频| 丰满乱子伦码专区| 国产亚洲欧美98| 亚洲一区二区三区色噜噜| 成年女人永久免费观看视频| 老司机午夜十八禁免费视频| 熟妇人妻久久中文字幕3abv| av欧美777| 精品欧美国产一区二区三| 免费人成在线观看视频色| 97碰自拍视频| 69人妻影院| 99久久成人亚洲精品观看| 老熟妇仑乱视频hdxx| 99国产综合亚洲精品| 精品久久久久久成人av| 亚洲 欧美 日韩 在线 免费| 欧美性猛交黑人性爽| 岛国在线免费视频观看| 国产精品,欧美在线| 可以在线观看的亚洲视频| 久久久久久久久久成人| 国产蜜桃级精品一区二区三区| 可以在线观看的亚洲视频| 熟妇人妻久久中文字幕3abv| 国产av不卡久久| 99久国产av精品| 老熟妇仑乱视频hdxx| 免费搜索国产男女视频| 日日摸夜夜添夜夜添av毛片 | av福利片在线观看| 九色成人免费人妻av| 99热6这里只有精品| 99久久99久久久精品蜜桃| 亚洲国产精品999在线| 一本久久中文字幕| 国产激情偷乱视频一区二区| av国产免费在线观看| 麻豆成人午夜福利视频| 国产精品乱码一区二三区的特点| 亚洲激情在线av| 内地一区二区视频在线| 黄色女人牲交| 99久久成人亚洲精品观看| 一区福利在线观看| 国产成人啪精品午夜网站| 一a级毛片在线观看| 欧美丝袜亚洲另类 | 久久久久久久午夜电影| 午夜精品一区二区三区免费看| 香蕉av资源在线| 直男gayav资源| 久久这里只有精品中国| 别揉我奶头 嗯啊视频| 久久精品夜夜夜夜夜久久蜜豆| 男人狂女人下面高潮的视频| 18禁黄网站禁片免费观看直播| 欧美中文日本在线观看视频| 国产真实伦视频高清在线观看 | 久久久久久久久久成人| 日本a在线网址| 伊人久久精品亚洲午夜| 色播亚洲综合网| 国产精品亚洲美女久久久| 欧美黑人欧美精品刺激| 亚洲欧美清纯卡通| 天美传媒精品一区二区| 亚洲久久久久久中文字幕| 欧美精品啪啪一区二区三区| 男女床上黄色一级片免费看| 欧美3d第一页| 身体一侧抽搐| 国产高清有码在线观看视频| 国产探花在线观看一区二区| 最新中文字幕久久久久| 能在线免费观看的黄片| 亚洲精品一卡2卡三卡4卡5卡| 久久久久久国产a免费观看| 99热这里只有精品一区| 国产乱人视频| 久久天躁狠狠躁夜夜2o2o| 免费av观看视频| 婷婷六月久久综合丁香| 能在线免费观看的黄片| 亚洲人成网站在线播放欧美日韩| 亚洲国产欧美人成| 99久久精品一区二区三区| 99在线人妻在线中文字幕| 欧美潮喷喷水| 乱人视频在线观看| 少妇熟女aⅴ在线视频| 欧美激情在线99| 成人高潮视频无遮挡免费网站| 女人十人毛片免费观看3o分钟| 婷婷亚洲欧美| a在线观看视频网站| 成年女人看的毛片在线观看| 熟女人妻精品中文字幕| 人人妻,人人澡人人爽秒播| x7x7x7水蜜桃| 日韩成人在线观看一区二区三区| 免费黄网站久久成人精品 | av欧美777| 国产久久久一区二区三区| 久久亚洲精品不卡| 一本精品99久久精品77| 床上黄色一级片| 中文字幕av在线有码专区| 国产精品自产拍在线观看55亚洲| 少妇熟女aⅴ在线视频| 国产精品久久久久久人妻精品电影| 99久久九九国产精品国产免费| 性插视频无遮挡在线免费观看| 变态另类成人亚洲欧美熟女| 日韩亚洲欧美综合| 国产精品久久久久久亚洲av鲁大| 国产精品久久久久久久久免 | 国内精品久久久久久久电影| 丁香欧美五月| 精品久久久久久久久久久久久| 黄片小视频在线播放| 国产成人a区在线观看| 床上黄色一级片| 国产亚洲精品综合一区在线观看| 嫩草影院新地址| 婷婷亚洲欧美| 毛片女人毛片| 此物有八面人人有两片| 国产成人欧美在线观看| 色综合亚洲欧美另类图片| 久久久久久久亚洲中文字幕 | 欧美日韩瑟瑟在线播放| 99riav亚洲国产免费| 精品一区二区三区视频在线观看免费| 无人区码免费观看不卡| 精品人妻视频免费看| 亚洲人成网站在线播| 我的女老师完整版在线观看| 日日摸夜夜添夜夜添小说| 国产精品自产拍在线观看55亚洲| 国内精品一区二区在线观看| 亚洲欧美清纯卡通| 欧美+亚洲+日韩+国产| 国产亚洲欧美98| 在线观看一区二区三区| 成人美女网站在线观看视频| 亚洲av电影在线进入| 久久久久久久久久成人| 一边摸一边抽搐一进一小说| 久久久久久九九精品二区国产| 欧美色欧美亚洲另类二区| 欧美在线黄色| 又黄又爽又刺激的免费视频.| 亚洲国产欧美人成| 国产探花极品一区二区| 日韩高清综合在线| 欧美一区二区精品小视频在线| 久久99热6这里只有精品| 国产一区二区在线观看日韩| 久久久久久久亚洲中文字幕 | 国语自产精品视频在线第100页| 嫁个100分男人电影在线观看| 1000部很黄的大片| 又爽又黄无遮挡网站| 久久精品夜夜夜夜夜久久蜜豆| 国产精品一区二区免费欧美| 久久久精品欧美日韩精品| 在线十欧美十亚洲十日本专区| 久久久久国内视频| 又粗又爽又猛毛片免费看| 中出人妻视频一区二区| 欧美bdsm另类| 国产精品永久免费网站| 亚洲精品色激情综合| 赤兔流量卡办理| 日日干狠狠操夜夜爽| 亚洲成人免费电影在线观看| 国产精品美女特级片免费视频播放器| av国产免费在线观看| 国产 一区 欧美 日韩| 久久精品综合一区二区三区| 国产毛片a区久久久久| 国产亚洲av嫩草精品影院| 成人国产一区最新在线观看| 亚洲avbb在线观看| 亚洲av成人av| 欧美绝顶高潮抽搐喷水| 日本一二三区视频观看| 神马国产精品三级电影在线观看| 亚洲美女搞黄在线观看 | www.色视频.com| 免费人成在线观看视频色| 制服丝袜大香蕉在线| 久久国产精品影院| 在线免费观看不下载黄p国产 | 久久亚洲真实| 一区二区三区高清视频在线| 一级av片app| 国产精品,欧美在线| 18+在线观看网站| 啪啪无遮挡十八禁网站| 两个人的视频大全免费| 特大巨黑吊av在线直播| 亚洲精品色激情综合| 中文资源天堂在线| 最后的刺客免费高清国语| 日本免费一区二区三区高清不卡| 欧美另类亚洲清纯唯美| 麻豆国产97在线/欧美| 亚洲最大成人中文| 真人一进一出gif抽搐免费| 国产真实伦视频高清在线观看 | 亚洲第一区二区三区不卡| 在线看三级毛片| 色综合亚洲欧美另类图片| 少妇的逼水好多| 亚洲av熟女| 悠悠久久av| 91麻豆av在线| 国产国拍精品亚洲av在线观看| 欧美绝顶高潮抽搐喷水| 久久午夜亚洲精品久久| 亚洲精品日韩av片在线观看| 欧美一级a爱片免费观看看| 制服丝袜大香蕉在线| 一区二区三区激情视频| 99热这里只有是精品在线观看 | 午夜免费男女啪啪视频观看 | 我要搜黄色片| 国产午夜福利久久久久久| 亚洲一区高清亚洲精品| 欧美黑人欧美精品刺激| 伊人久久精品亚洲午夜| 麻豆国产av国片精品| 美女免费视频网站| 人妻丰满熟妇av一区二区三区| 一级毛片久久久久久久久女| 永久网站在线| 一级av片app| 亚洲18禁久久av| 99国产精品一区二区三区| 一本一本综合久久| 18禁黄网站禁片免费观看直播| 夜夜躁狠狠躁天天躁| 91在线精品国自产拍蜜月| 两个人的视频大全免费| 99热这里只有精品一区| 国产精品日韩av在线免费观看| 一个人看的www免费观看视频| 51国产日韩欧美| 亚洲片人在线观看| 看片在线看免费视频| 亚洲精华国产精华精| 神马国产精品三级电影在线观看| 亚洲天堂国产精品一区在线| 国产精品自产拍在线观看55亚洲| 国产亚洲精品久久久久久毛片| 成年免费大片在线观看| 99热只有精品国产| 国产精品亚洲美女久久久| 亚洲aⅴ乱码一区二区在线播放| 精品不卡国产一区二区三区| 免费观看的影片在线观看| 午夜福利在线观看免费完整高清在 | 一a级毛片在线观看| 日本三级黄在线观看| 国产伦精品一区二区三区视频9| 精品午夜福利视频在线观看一区| 亚洲美女黄片视频| 亚洲精品456在线播放app | 91麻豆精品激情在线观看国产| 国产又黄又爽又无遮挡在线| 久久婷婷人人爽人人干人人爱| www.熟女人妻精品国产| 国产欧美日韩一区二区三| 中文在线观看免费www的网站| 搡女人真爽免费视频火全软件 | 一区福利在线观看| 老女人水多毛片| 国产精品三级大全| 熟妇人妻久久中文字幕3abv| 色播亚洲综合网| 伊人久久精品亚洲午夜| 人人妻人人澡欧美一区二区| 成人鲁丝片一二三区免费| 精品国产三级普通话版| 久久久国产成人免费| av在线蜜桃| 精品欧美国产一区二区三| 中文字幕高清在线视频| 毛片一级片免费看久久久久 | 亚洲人成伊人成综合网2020| 男女下面进入的视频免费午夜| 少妇人妻精品综合一区二区 | 婷婷色综合大香蕉| 国产精品永久免费网站| 日本精品一区二区三区蜜桃| 午夜免费男女啪啪视频观看 | 人妻夜夜爽99麻豆av| 亚洲人成伊人成综合网2020| 色在线成人网| 十八禁国产超污无遮挡网站| 90打野战视频偷拍视频| 欧美不卡视频在线免费观看| 91久久精品国产一区二区成人| 一区二区三区激情视频| xxxwww97欧美| 国产高潮美女av| 欧美丝袜亚洲另类 | 他把我摸到了高潮在线观看| 窝窝影院91人妻| 亚洲狠狠婷婷综合久久图片| 激情在线观看视频在线高清| 久久九九热精品免费| 欧美又色又爽又黄视频| 极品教师在线视频| 国产私拍福利视频在线观看| 国产精品野战在线观看| 我要搜黄色片| 熟女电影av网|