自监督高光谱异常检测网络

无需真值的异常检测

利用自监督学习重建背景，无需语义标签即可挖掘光谱与空间全局特征，提升检测的有效性和灵活性。

王志鹏 · Dan, Ma · 岳广辉 · Li, Beichen · Runmin, Cong · Wu, Zhiqiang

IEEE Transactions on Geoscience and Remote Sensing 2023

技术优势

无需语义标签

通过自监督方式从RGB图像重建背景高光谱图像，避免了获取语义信息的困难。

免干扰训练

有限空间注意力机制以数据驱动的方式挖掘背景光谱的聚类结构，在训练过程中避免异常目标的干扰。

六数据集验证

在六个公开数据集上进行的大量实验证明了方法的有效性和灵活性。

应用场景

• 遥感图像处理：自动检测遥感影像中的异常像元，无需人工标注。
• 异常检测：在缺乏真值的情况下发现与背景不同的目标。
• 光谱分析：利用光谱属性重建背景，挖掘光谱维的全局依赖。
• 智能传感：为智能传感系统提供无需监督的异常探测能力。
• 无监督学习：以自监督方式训练，避免对标注数据的依赖。