| 深度展开网络的高光谱异常探测 |
| |
| 引用本文： | 李晨玉,洪丹枫,张兵.深度展开网络的高光谱异常探测[J].遥感学报,2024(1):69-77. |
| |
| 作者姓名： | 李晨玉 洪丹枫 张兵 |
| |
| 作者单位： | 1. 中国科学院空天信息创新研究院;2. 东南大学数学学院;3. 中国科学院大学电子电气与通信工程学院;4. 中国科学院大学资源与环境学院 |
| |
| 基金项目： | 国家自然科学基金(编号:42241109,42271350)~~； |
| |
| 摘 要： | 在现有基于物理模型的高光谱异常探测HAD(Hyperspectral Anomaly Detection)方法中，低秩表示LRR(Low-Rank Representation)模型以其强大的背景和目标特征分离能力而受到广泛的关注和采用。然而，由于依赖手动参数的选择以及较差的泛化性，导致其实际应用受到限制。为此，本文将LRR模型与深度学习技术相结合，提出了一种新的适用于HAD的基础深度展开网络，称为LRR-Net。该方法借助交替方向乘法ADMM(Alternating Direction Method of Multipliers)优化器高效地求解LRR模型，并将其求解步骤耦合至深度网络中以指导其搜索过程，为深度网络提供了一定的理论基础，具有较强的可解释性。此外，LRR-Net以端到端的方式将一系列正则化的参数转换为可学习的网络参数，从而避免了手动调参。4组不同的高光谱异常探测实验证明了LRR-Net的有效性，与其他无监督的异常探测方法相比，LRR-Net具有较强的泛化性和鲁棒性，能够提高HAD的精度。
|
| 关 键 词： | 高光谱遥感影像 异常探测 深度展开 低秩表示(LRR) 交替方向乘子法(ADMM) |
|
