公开(公告)号：CN115115933A

公开(公告)日：2022-09-27

申请号：CN202210524826.2

申请日：2022-05-13

Applicant: 大连海事大学

Inventor： 王玉磊 ,  陈昔 ,  张文君 ,  张姗姗 ,  李亚东

IPC: G06V20/10 ,  G06V10/74 ,  G06V10/75 ,  G06V10/762

Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。

公开(公告)号：CN115115933B

公开(公告)日：2024-08-09

申请号：CN202210524826.2

申请日：2022-05-13

Applicant: 大连海事大学

Inventor： 王玉磊 ,  陈昔 ,  张文君 ,  张姗姗 ,  李亚东

IPC: G06V20/10 ,  G06V10/74 ,  G06V10/75 ,  G06V10/762

Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。