第５２卷 第６期测 绘 学 报Vol．５２,No．６ ２０２３年６月ActaGeodaeticaetCartographicaSinicaJune,２０２３
引文格式:宋尚真,杨怡欣,王会峰,等．高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法[J]．测绘学报,２０２３,５２(６):９３２Ｇ９４３．DOI:１０．１１９４７/j．AGCS．２０２３．２０２１０６０４．SONGShangzhen,YANGYixin,WANGHuifeng,etal．Hyperspectralanomalydetectioncombiningsparseconstraintandfeatureextractionviastackedautoencoder[J]．ActaGeodaeticaetCartographicaSinica,２０２３,５２(６):９３２Ｇ９４３．DOI:１０．１１９４７/j．AGCS．２０２３．２０２１０６０４．
高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法
宋尚真１,杨怡欣２,王会峰１,王晓艳１,荣生辉３,周慧鑫４
１．长安大学电子与控制工程学院,陕西西安７１００６１;２．西安邮电大学通信与信息工程学院,陕西西安７１０１２１;３．中国海洋大学电子工程学院,山东青岛２６６１００;４．西安电子科技大学物理与光电工程学
院,陕西西安７１００７１
Hyperspectralanomalydetectioncombiningsparseconstraintandfeature
extractionviastackedautoencoder
SONGShangzhen１,YANGYixin２,WANGHuifeng１,WANGXiaoyan１,RONGShenghui３,ZHOUHuixin４１．SchoolofElectronicsandControlEngineering,Chang̓anUniversity,Xi̓an７１００６４,China;２．Schoolof
第４３卷 第７期 ２０１３年７月 激光与红外 ＬＡＳＥＲ ＆ ＩＮＦＲＡＲＥＤ Ｖｏ１．４３．Ｎｏ．７ Ｊｕｌｙ，２０１３
文章编号：１００１－５０７８（２０１３）０７－０７１９－０７
高光谱图像异常检测算法研究进展
叶怡，杨桄，童涛
（空军航空大学航空航天情报系，吉林长春１３００２２） ・综述与评论・
摘 要：异常检测算法不需要利用光谱的先验知识，而能直接检测出与周围景物光谱存在明显
差异的光谱信号所在位置，是高光谱遥感应用领域一个重要研究方向，在民用和军事上都有重
要的理论价值和应用前景。深入分析了目前主要的异常检测算法，并对各算法的优、缺点分别
进行了评述。最后，指出了此领域今后的研究方向。
关键词：高光谱图像；异常检测；全局；局部；算法
中图分类号：ＴＰ７５１ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—５０７８．２０１３．０７．００１
Ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｏｆ ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ
ＹＥ Ｙｉ，ＹＡＮＧ Ｇｕａｎｇ，ＴＯＮＧ Ｔａｏ
（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ａｅｒｏｓｐａｃｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ａｖｉａｔｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｉｒ Ｆｏｒｃｅ，Ｃｈａｎｇｃｈｕｎ １３００２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｄｏ ｎｏｔ ｒｅｑｕｉｒｅ ｐｒｉｏｒｉ ｋｎｏｗｌｅｄｇｅ ｏｆ ｓｐｅｃｔｒｕｍ，ａｎｄ ｃａｎ ｄｉｒｅｃｔｌｙ ｄｅｔｅｃｔ ｔｈｅ ｌｏｃａ— ｔｉｏｎ ｗｈｅｒｅ ｔｈｅ ｓｉｇｎａｌ ｓｐｅｃｔｒｕｍ ｉｓ ｄｉｓｔｉｎｃｔ ｆｒｏｍ ｔｈａｔ ｏｆ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ．Ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ｈａｓ ｂｅｅｎ ａｎ ｉｍｐｏｒｔａｎｔ ｒｅ— ｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｐｐｌｉｃａｔｉｏｎｓ．Ｔｈｅｒｅ ａｒｅ ｉｍｐｏｒｔａｎｔ ｔｈｅｏｒｅｔｉｃａｌ ｖａｌｕｅｓ ａｎｄ ｐｒｏｓｐｅｃｔｓ ｂｏｔｈ ｉｎ ｃｉｖｉｌｉａｎ ａｎｄ ｍｉｌｉｔａｒｙ ａｐｐｌｉｃａｔｉｏｎｓ．Ｔｈｅ ｃｕｒｒｅｎｔ ｍａｉｎ ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ａｒｅ ｄｅｅｐｌｙ ａｎａ— ｌｙｚｅｄ，ａｎｄ ｔｈｅ ａｄｖａｎｔａｇｅｓ ａｎｄ ｌｉｍｉｔａｔｉｏｎｓ ｏｆ ｅａｃｈ ａｌｇｏｒｉｔｈｍ ａｒｅ ａｌｓｏ ｄｉｓｃｕｓｓｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅ ｄｉｒｅｃｔｉｏｎ ｏｆ ｆｕｔｕｒｅ ｒｅｓｅａｒｃｈ ｉｎ ｔｈｉｓ ｆｉｅｌｄ ｉｓ ｐｏｉｎｔｅｄ ｏｕｔ． Ｋｅｙ ｗｏｒｄｓ：ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ；ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ；ｇｌｏｂａｌ；ｌｏｃａｌ；ａｌｇｏｒｉｔｈｍｓ
第44卷 第6期航天返回与遥感 2023年12月 SPACECRAFT RECOVERY & REMOTE SENSING 45
收稿日期：2023-06-30 基金项目：国家重点研发计划项目（2019YFA0706604）；国家自然科学基金（61976169，62293483，62205260） 引用格式：高大化, 贺昱, 董宇波, 等. 面向高光谱图像的目标检测研究
[J]. 航天返回与遥感, 2023, 44(6): 45-56. GAO Dahua, HE Yu, DONG Yubo, et al. Object Detection for Hyperspectral Images[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(6): 45-56. (in Chinese) 面向高光谱图像的目标检测研究
高大化 贺昱 董宇波* 刘丹华 李浩勇 石光明 （西安电子科技大学，西安 710071）
摘 要 现有的高光谱目标检测方法是通过逐像素分类而实现，导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测，文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先，该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征，能够提升多尺度目标检测效果并能更有效地提取关键波段信息；其次，该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN，SFPN）用于特征融合，提升了神经网络的感受野和多尺度性能；最后，该算法设计了FIOU（Fantastic IoU）损失函数，提升了预测框定位精度。实验结果表明，所提出的算法能够有效提取空间域和光谱域信息特征，分别在平均准确率上提升了14.19%、8.01%和5.38%，与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案，有望推动高光谱图像分析领域的进一步发展。 关键词 光谱注意力 特征金字塔 高光谱目标检测 物体级目标检测 高光谱图像处理 中图分类号: TP753 文献标志码: A 文章编号: 1009-8518(2023)06-0045-12 DOI: 10.3969/j.issn.1009-8518.2023.06.005
联合低秩张量分解与稀疏表示的高光谱异常目标检测算法
成宝芝;张丽丽;赵春晖
【期刊名称】《电光与控制》
【年(卷),期】2023(30)1
【摘 要】异常目标检测是当前高光谱图像处理中的一个研究热点。针对当前异常目标检测算法存在的问题,从解决高光谱图像中含有的背景、异常目标和噪声等相关量出发,利用高光谱图像的空间谱和光谱特性,提出了联合低秩张量分解和稀疏表示的新的高光谱图像异常目标检测算法。该算法首先利用低秩张量分解模型对高光谱进行图像恢复,使图像质量得到提升,从而使得异常目标变得突出,易于进行目标检测;然后,再利用稀疏差异指数进行异常目标检测,得到需要的异常检测结果;最后,利用真实的高光谱图像进行仿真实验,结果表明,新的异常目标检测算法具有检测精度高、虚警率低和鲁棒性好的特点。
【总页数】6页(P57-62)
【作 者】成宝芝;张丽丽;赵春晖
【作者单位】常州工学院计算机信息工程学院;大庆师范学院机电工程学院;哈尔滨工程大学信息与通信工程学院
【正文语种】中 文
【中图分类】TP751.1
【相关文献】 1.基于张量低秩分解和稀疏表示的红外微小气体泄漏检测2.基于低秩分解的联合动态稀疏表示多观测样本分类算法3.基于稀疏表示和低秩逼近的自适应异常事件检测算法4.低秩张量分解的多视角谱聚类算法5.基于张量环分解的非精确的低秩填充算法
因版权原因，仅展示原文概要，查看原文内容请购买
