高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法.pdf

第 卷第期测绘学报V o l ,N o 年月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ u n e,引文格式:宋尚真,杨怡欣,王会峰,等高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法J测绘学报,():D O I:/j A G C S S ON GS h a n g z h e n,YAN G Y i x i n,WAN G H u i f e n g,e ta l H y p e r s p e c t r a la n o m a l yd e t e c t i o nc o m b i n i n gs p a r s ec o n s t r a i n ta n df e a t u r ee x t r a c t i o nv i a s t a c k e da u t o e n c o d e rJ A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,():D O I:/j A G C S 高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法宋尚真,杨怡欣,王会峰,王晓艳,荣生辉,周慧鑫长安大学电子与控制工程学院,陕西 西安 ;西安邮电大学通信与信息工程学院,陕西 西安 ;中国海洋大学电子工程学院,山东 青岛 ;西安电子科技大学物理与光电工程学院,陕西 西安 HH yy pp ee rr ss pp ee cc tt rr aa llaa nn oo mm aa ll yydd ee tt ee cc tt ii oo nncc oo mm bb ii nn ii nn ggss pp aa rr ss eecc oo nn ss tt rr aa ii nn ttaa nn ddff ee aa tt uu rr eeee xx tt rr aa cc tt ii oo nnvv ii aass tt aa cc kk ee ddaa uu tt oo ee nn cc oo dd ee rrSS OO NN GGSS hh aa nn gg zz hh ee nn,YY AA NN GGYY ii xx ii nn,WW AA NN GG HH uu ii ff ee nn gg,WW AA NN GGXX ii aa oo yy aa nn,RR OO NN GGSS hh ee nn gg hh uu ii,ZZ HH OO UUHH uu ii xx ii nn S c h o o lo fE l e c t r o n i c s a n d C o n t r o lE n g i n e e r i n g,C h a n g a n U n i v e r s i t y,X i a n ,C h i n a;S c h o o lo fC o mm u n i c a t i o n sa n d I n f o r m a t i o nE n g i n e e r i n g,X i a nU i v e r s i t yo f P o s t s&T e l e c o mm u n i c a t i o n s,X i a n ,C h i n a;S c h o o lo fE l e c t r o n i cE n g i n e e r i n g,O c e a nU n i v e r s i t yo fC h i n a,Q i n g d a o ,C h i n a;S c h o o lo fP h y s i c sa n dR a d i oa n dT e l e v i s i o nE n g i n e e r i n g,X i a nU n i v e r s i t yo fE l e c t r o n i cS c i e n c ea n dT e c h n o l o g y,X i a n ,C h i n aAA bb ss tt rr aa cc tt:A n o m a l yd e t e c t i o no fh y p e r s p e c t r a li m a g e sh a si m p o r t a n ta p p l i c a t i o nv a l u ei n m i l i t a r y,a g r i c u l t u r e,e x p l o r a t i o n,f i r ep r o t e c t i o na n do t h e rf i e l d s T r a d i t i o n a la l g o r i t h m so fh y p e r s p e c t r a l i m a g e(H S I)a n o m a l yd e t e c t i o n(A D)d on o t e f f e c t i v e l ym i n e t h ed e e p f e a t u r e so f t h e i m a g es p e c t r u m,w h i l et h ed e e p l e a r n i n gm e t h o dh a sg o o da b i l i t y t oe x t r a c t d e e p f e a t u r e i n f o r m a t i o n S i n c e t h eA Dp r o b l e mg e n e r a l l yc a n n o t o b t a i nt h ep r i o r i n f o r m a t i o ni na d v a n c e,t h eu n s u p e r v i s e dn e t w o r ki sm o r es u i t a b l e E x i s t i n gA Da l g o r i t h m sb a s e do na u t o e n c o d e r(A E)d o e sn o tm a k ee f f e c t i v eu s eo f t h el o c a l i n f o r m a t i o n,r e s u l t i n gi nl i m i t e dd e t e c t i o ne f f e c t T oo v e r c o m e t h i s s h o r t c o m i n g,t h ep a p e r p r o p o s e sa nA Dm e t h o db a s e do ns p a r s er e p r e s e n t a t i o n(S R)c o n s t r a i n t sf o rs t a c k e da u t o e n c o d e r(S A E)F i r s t l y,t h es e m a n t i ci n f o r m a t i o ni so b t a i n e db yS A E S e c o n d l y,t h eS R i s u s e da sac o n s t r a i n t t oe f f e c t i v e l yc o m b i n ew i t h t h ee n c o d e r,a n d t h el o c a l c h a r a c t e r i s t i c so f t h e f e a t u r ee l e m e n t s i n t h ep o t e n t i a l h i d d e n s p a c ea r em i n e d F i n a l l y,t h e f r a c t i o n a lF o u r i e r t r a n s f o r m i s u t i l i z e d,a n d t h ec h a r a c t e r i s t i c s o f t h eo r i g i n a l s p e c t r u ma n d i t s i n t e r m e d i a t ed o m a i no fF o u r i e r t r a n s f o r m a r e o b t a i n e d b y s p a t i a l f r e q u e n c y r e p r e s e n t a t i o n C o n s e q u e n t l y,t h e s p e c t r a ld i s c r i m i n a t i o nb e t w e e nb a c k g r o u n da n da n o m a l i e si sf u r t h e re n h a n c e d,a n dt h ee f f e c to fn o i s ei sa l s or e m o v e d T h ee x p e r i m e n tp e r f o r m sv e r i f i c a t i o no nH S I sc o l l e c t e db ys p e c t r o m e t e r s i n c l u d i n gH y m a p,A V I R I S,R O S I S,a n dH Y D I C E T h ea r e au n d e r c u r v e(A U C)v a l u e sa r e ,a n d ,r e s p e c t i v e l y C o m p a r e dw i t hc o m p a r e da l g o r i t h m s,t h ee f f e c t o f t h ep r o p o s e da l g o r i t h mc a nb e i m p r o v e d KK ee yyww oo rr dd ss:h y p e r s p e c t r a l i m a g e r y;a n o m a l yd e t e c t i o n;d e e p l e a r n i n g;a u t o e n c o d e r;s p a r s e r e p r e s e n t a t i o n;F o u r i e r t r a n s f o r mFF oo uu nn dd aa tt ii oo nnss uu pp pp oo rr tt:T h eN a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no fC h i n a(N o );T h eK e yR e s e a r c ha n dD e v e l o p m e n tP r o g r a mo f S h a a n x i P r o v i n c e(N o s G Y ;S F )摘要:高光谱图像的异常检测在军事、农业、勘探、防火等领域具有重要的应用价值.传统的高光谱图像异常检测算法未能有效地挖掘图像光谱的深层特征,而深度学习方法具有良好的提取深层特征信息的能力.由于异常检测问题一般无法获取地物先验信息,因此无监督网络相比于监督网络要更为适用.而现有的基于自编码器的异常检测算法没有对局部信息进行有效利用,导致检测效果受限.针对这一第期宋尚真,等:高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法问题,本文提出一种基于稀疏表示约束的自编码器深度特征提取方