基于3D卷积自编解码器和低秩表示的高光谱异常检测
针对高光谱影像数据维度高、空间和光谱信息利用不足以及局部结构特征表达有限等问题,提出了一种基于3D卷积自编解码器和低秩表示的高光谱异常检测算法.首先,通过3D卷积自编解码器提取高光谱影像的空谱特征,并针对高光谱图像的局部区域强相关性,设计了一种新的损失函数来约束中心像素和周围像素,以提取判别性较强的特征图;然后,针对所提取的特征图,通过基于密度的空间聚类算法构建背景字典,并利用低秩表示分离出异常区域;最后,融合由3D卷积自编解码器得到的重构误差和异常区域检测结果,得到最终检测图并为异常目标关键信息的挖掘提供依据.为了验证所提算法的有效性,在两个真实的机场高光谱数据集上进行飞机等目标检测实验,ROC、AUC量化指标和主观分析等实验结果表明,与其它6种异常检测算法相比,本文算法具有更高的异常目标检测精度.
高光谱影像、异常检测、3D卷积、自编解码器、低秩表示
50
TP751.1(遥感技术)
国家自然科学基金;国防科技创新项目;中国博士后科学基金;中国科学院光谱成像技术重点实验室基金
2021-05-25(万方平台首次上网日期,不代表论文的发表时间)
共13页
254-266