引用格式：成宝芝，张丽丽，赵春晖．联合低秩张量分解与稀疏表示的高光谱异常目标检测算法［Ｊ］．电光与控制，２０２３,３０（１）：５７⁃６２．ＣＨＥＮＧＢＺ,ＺＨＡＮＧＬＬ,ＺＨＡＯＣＨ．Ｊｏｉｎｔｌｏｗ⁃ｒａｎｋｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆａｎｏｍａｌｙｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｆｏｒｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｒｙ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＯｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ,２０２３,３０（１）：５７⁃６２．联合低秩张量分解与稀疏表示的高光谱异常目标检测算法成宝芝１，张丽丽２，赵春晖３（１．常州工学院计算机信息工程学院，江苏常州２１３０００；２．大庆师范学院机电工程学院，黑龙江大庆１６３０００；３．哈尔滨工程大学信息与通信工程学院，哈尔滨１５００００）摘要：异常目标检测是当前高光谱图像处理中的一个研究热点。针对当前异常目标检测算法存在的问题，从解决高光谱图像中含有的背景、异常目标和噪声等相关量出发，利用高光谱图像的空间谱和光谱特性，提出了联合低秩张量分解和稀疏表示的新的高光谱图像异常目标检测算法。该算法首先利用低秩张量分解模型对高光谱进行图像恢复，使图像质量得到提升，从而使得异常目标变得突出，易于进行目标检测；然后，再利用稀疏差异指数进行异常目标检测，得到需要的异常检测结果；最后，利用真实的高光谱图像进行仿真实验，结果表明，新的异常目标检测算法具有检测精度高、虚警率低和鲁棒性好的特点。关键词：高光谱图像；异常目标检测；张量分解；稀疏表示中图分类号：ＴＰ７５１．１文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－６３７Ｘ．２０２３．０１．０１０ＪｏｉｎｔＬｏｗ⁃ＲａｎｋＴｅｎｓｏｒＤｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎｏｆＡｎｏｍａｌｙＴａｒｇｅｔＤｅｔｅｃｔｉｏｎｆｏｒＨｙｐｅｒｓｐｅｃｔｒａｌＩｍａｇｅｒｙＣＨＥＮＧＢａｏｚｈｉ１,ＺＨＡＮＧＬｉｌｉ２,ＺＨＡＯＣｈｕｎｈｕｉ３（１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＩｎｆｏｒｍａｔｉｏｎａｎｄＥｎｇｉｎｅｅｒｉｎｇ,ＣｈａｎｇｚｈｏｕＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ,Ｃｈａｎｇｚｈｏｕ２１３０００,Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎ...
