近日，西安电子科技大学物理学院周慧鑫教授团队在高光谱异常检测方向上取得进展，针对现有高光谱异常检测方法没有充分考虑像素之间的相似性，导致其背景重建精度低而影响检测性能的问题，提出了一种基于像素关联自编码器的高光谱异常检测方法。相关研究成果发表在International Journal of Applied Earth Observation and Geoinformation上。

高光谱图像（HSI）因具备丰富的光谱分辨率特性，在遥感、环境监测、精细农业等领域得到了广泛的应用。其中高光谱异常检测作为一种无监督的目标检测任务，在无目标光谱先验知识的条件下，可实现高光谱数据中的目标预定位，因而具有很强的实际应用价值。

研究首先基于超像素距离估计引入字典构建方法，为背景和局部异常构建不同的字典。再将每个像素从原始HSI到背景字典和局部异常字典的相似性度量作为AE网络输入来实现像素相似性的识别，并提出建立了一种双隐藏层特征相似性约束网络来提高背景和异常目标的重建误差，以此建立评分，从而实现了优越的异常检测性能。

像素关联自编码器的整体算法流程。（课题组供图）

  ?

相关论文信息：https://doi.org/10.1016/j.jag.2024.103816