.png){kind=icon}
返回
A Fast Collaborative Representation Algorithm Based on Extended Multi-Attribute Profiles for Hyperspectral Anomaly Detection
.png){kind=icon}
OA
AI
DOI：10.3390/rs17233857.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为高光谱图像（HSI）处理中的一个重要研究方向，异常检测致力于识别与周围背景在光谱上具有显著差异的异常像素，近年来已引起众多学者的广泛关注。基于协同表示的异常检测器在该领域取得了良好的性能。基于CRD，学者们提出了许多不同的变体。然而，这些方法大多仅关注HSI的光谱信息，且存在检测速度慢和鲁棒性差的问题。在本文中，我们将扩展多属性剖面（EMAP）与CRD算法相结合，提出了一种基于扩展多属性剖面的快速协同表示异常检测算法。首先，我们使用EMAP提取HSI的空间结构信息。然后，在异常检测之前，我们采用k-means聚类算法分离具有相似特征的异常像素，并获取重构的背景字典矩阵。这进一步分离了背景与异常，提高了异常检测的鲁棒性。最后，我们应用基于协同表示的异常检测器进行异常检测。本文提出的方法通过在四个真实HSI数据集和一个人工合成HSI数据集上的实验与其他算法进行比较。实验仿真结果验证了所提出方法的有效性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
7.5K
被引数:
15.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
Adaptive multiple-band CFAR detection of an optical pattern with unknown spectral distribution具有未知光谱分布的光学图案的自适应多波段CFAR检测
PREAI
分享收藏Anomaly Detection in Hyperspectral Images Based on Low-Rank and Sparse Representation基于低秩稀疏表示的高光谱图像异常检测
PREAI
分享收藏A Generalized Non-Convex Surrogated Framework for Anomaly Detection on Blurred Hyperspectral Images王, Y.; 李, W.; 贡, Y.; 谢, H.; 张, L. 一种用于模糊高光谱图像异常检测的广义非凸代理框架. IEEE 信号处理汇刊. 2025, 34, 3108–3122. [Google Scholar] [CrossRef] [PubMed]
PREAI
分享收藏Fast Processing of Massive Hyperspectral Image Anomaly Detection Based on Cloud-Edge Collaboration王, Y.; 孙, J.; 徐, Y.; 魏Z.; 郑S.; 吴, Z. 基于云-边协作的大规模高光谱图像异常检测的快速处理. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2025, 18, 14644–14657. [Google Scholar] [CrossRef]
PREAI
分享收藏分享收藏
查看更多内容