基于动态波段选择与背景重建联合优化的超光谱异常检测方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Hyperspectral Anomaly Detection Method Based on Joint Optimization of Dynamic Band Selection and Background Reconstruction

　　

摘要：

高光谱异常检测旨在识别在复杂背景下偏离的罕见像素，而无需预先知道目标信息。基于重建的方法通过建模背景并利用重建残差来检测异常，已经显示出良好的性能。然而，大多数现有方法都是基于完整的光谱输入进行操作的，不同波段对背景重建和异常区分的贡献可能不均衡。这可能会增加计算成本，并将与任务相关性较低的光谱信息引入检测过程。为了解决这一限制，本文提出了一种动态波段选择和背景重建网络，称为DBS-BRN。DBS-BRN将波段选择集成到重建过程中，使得选定的波段子集能够在异常检测目标下进行自适应优化。本文开发了一种可学习的波段选择机制，该机制结合了响应引导的重要性评分和硬Top-k选择方法，以保留一组与任务相关的波段；同时引入了波段偏差损失，以稳定波段重要性估计并提高重建的一致性。在五个公开数据集（包括Urban1、Airport1、Urban3、AVIRIS2和ABU-Beach4）上的实验表明，所提出方法的有效性和泛化能力。与传统的基于重建的方法、基于扩散的方法以及基于盲点网络的方法相比，DBS-BRN在检测准确性、误报抑制以及检测性能与紧凑光谱表示之间取得了更好的平衡或具有竞争力。