Apr, 2024

自监督异常先验的高光谱异常检测

PDF
TL;DR该研究提出了一种基于自监督网络的自监督异常先验（SAP），将低秩表示模型中的异常分量优化为了更好地适应高光谱异常，同时提出了一种双纯化策略来从复杂背景中分离异常，并通过实验验证了该方法在各种高光谱数据集上的准确性和可解释性。
hyperspectral anomaly detectionlow-rank representationself-supervised anomaly priordual-purified strategyhyperspectral datasets
发现论文，激发创造
  • 低秩表示与深度展开相结合：一种广义且可解释的用于高光谱异常检测的网络

    通过构建更具鲁棒性的 AIR-HAD 基准数据集，利用 LRR-Net$^+$ 模型在复杂场景下解耦背景结构和对象属性，消除干扰目标引入的偏差，结合物理模型和深度学习技术，实现自动参数优化和提升检测性能和泛化能力。

    Feb, 2024

  • 基于深度神经网络优化先验的自监督高光谱修复

    本文介绍了一种称为 Low Rank 和 Sparsity Constraint Plug-and-Play（LRS-PnP）的新型 HSI 缺失像素预测算法，并通过将 LRS-PnP 与 Deep Image Prior（DIP）结合成为一种自监督模型，称为 LRS-PnP-DIP，实现了与其他基于学习方法相比的先进修补性能或者超越它们的性能。

    Jun, 2023

  • 利用人类视觉探索高光谱异常检测：一种针对小目标的感知器

    本文分析了人类视觉感知下的高光谱影像特征，并首次将异常检测 (HAD) 的解决过程转移到了更稳健的特征空间。我们提出了一种小目标感知检测器 (STAD)，它引入了显著性图来捕捉更接近人类视觉感知的高光谱影像特征。此外，我们还提出了一种全连接网络到卷积网络的知识蒸馏策略，以适应 HAD 算法应用于边缘设备的可能性。我们在 HAD100 训练集上训练了网络，并在 HAD100 测试集上验证了所提出方法。经过充分的实验证明，我们的方法在真实高光谱影像上表现出卓越的性能和独特的潜力。

    Jan, 2024

  • 非参数视角分配预测的高光谱图像半监督学习

    本研究提出了一种半监督深度自监督预训练方法来解决高光谱图像分类中存在的维度灾难和对大量样本数据需求的问题，通过伪标签来加强半监督训练效果，实验结果表明该方法优于自监督和监督方法。

    Jun, 2023

  • 基于稀疏性和低秩约束的自监督深度高光谱修复

    本文介绍了两种新型的自我监督高光谱图像修复算法：低秩和稀疏约束插入并播放（LRS-PnP），以及其扩展 LRS-PnP-DIP，其具有强大的学习能力，但仍然不需要外部训练数据。该算法能够稳定地收敛，并具有实际应用价值。广泛的实验表明，所提出的解决方案能够产生视觉和定性上优于现有方法的图像修复结果。

    Jun, 2023

  • 基于稀疏表征的高光谱图像分类的结构先验

    本文综述了用于基于稀疏表示的高光谱图像分类的多种结构稀疏先验方法，并提出了一种新的结构先验方法 —— 低秩群先验来进一步提高分类表现。

    Jan, 2014

  • 增强型自监督聚类学习：应用于土地覆盖地图制作

    通过聚类为自监督学习的前提任务，提出了一种用于土地覆盖映射的方法，通过所得聚类结构进行主动采样，提高映射准确性。

    Aug, 2021

  • 高光谱图像超分辨率的光谱扩散先验

    融合基于高光谱图像（HSI）的超分辨率通过融合低空间分辨率的 HSI 和高空间分辨率的多光谱图像来产生高空间分辨率的 HSI。本文提出了一种新颖的基于光谱扩散的先验方法来实现 HSI 超分辨率。在最大后验概率的框架下，通过反向生成过程保留每两个相邻状态之间的转移信息，并将训练好的光谱扩散模型的知识嵌入到融合问题中作为正则化项。最后，将最终优化问题的每个生成步骤视为其子问题，并使用 Adam 算法以反向顺序解决这些子问题。在合成和真实数据集上进行的实验结果证明了所提方法的有效性。所提方法的代码将在此 https 网址上提供。

    Nov, 2023

  • 基于超像素低秩逼近的部分标签学习用于高光谱图像分类

    本文提出了一种新的基于超像素低秩逼近（LRA）的部分标签学习方法 SLAP，该方法在高光谱图像（HSI）分类中首次考虑到部分标签学习，并且通过实验验证了该方法相对于现有方法的优势。

    May, 2024

  • 无监督稀疏狄利克雷网络用于高光谱图像超分辨率

    本文介绍了一种使用无监督编码器 - 解码器体系结构、通过稀疏狄利克雷分布来解决高光谱图像超分辨率问题的方法，并在实验中证明了其优越性能。

    Apr, 2018