近日，西安電子科技大學(xué)物理學(xué)院周慧鑫教授團(tuán)隊(duì)在高光譜異常檢測方向上取得重要進(jìn)展，在地球科學(xué)領(lǐng)域的國際頂級期刊《International Journal of Applied Earth Observation and Geoinformation》先后連發(fā)兩篇最新研究成果“Pixel-associated autoencoder for hyperspectral anomaly detection”（博士后向培為第一作者）、“A light CNN based on residual learning and background estimation for hyperspectral anomaly detection”（博士生張嘉嘉為第一作者）。

高光譜圖像（HSI）因具備豐富的光譜分辨率特性，在遙感、環(huán)境監(jiān)測、精細(xì)農(nóng)業(yè)等領(lǐng)域得到了廣泛的應(yīng)用。其中高光譜異常檢測作為一種無監(jiān)督的目標(biāo)檢測任務(wù)，在無目標(biāo)光譜先驗(yàn)知識的條件下，可實(shí)現(xiàn)高光譜數(shù)據(jù)中的目標(biāo)預(yù)定位，具有很強(qiáng)的實(shí)際應(yīng)用價(jià)值。

第一篇論文研究主要針對現(xiàn)有高光譜異常檢測方法沒有充分考慮像素之間的相似性，導(dǎo)致其背景重建精度低而影響檢測性能的問題，創(chuàng)新提出了一種新穎的基于像素關(guān)聯(lián)自編碼器的高光譜異常檢測方法，實(shí)現(xiàn)了優(yōu)越的異常檢測性能。

第二篇論文主要針對現(xiàn)有基于重建背景的深度學(xué)習(xí)網(wǎng)絡(luò)復(fù)雜且參數(shù)較多而運(yùn)行效率低的問題，創(chuàng)新提出了一種基于殘差學(xué)習(xí)和背景估計(jì)的輕量級卷積神經(jīng)網(wǎng)絡(luò)（CNN）。在有限的參數(shù)量下，該方法可有效抑制背景并檢出異常，獲得先進(jìn)的異常檢測性能，并為算法的轉(zhuǎn)化應(yīng)用奠定良好的基礎(chǔ)。

責(zé)任編輯：張言