BSDM：面向高光谱异常检测的背景抑制扩散模型
计算机视觉与模式识别
2026-02-27 v1
摘要
高光谱异常检测（HAD）广泛应用于地球观测和深空探测。HAD 的一个主要挑战是输入高光谱图像（HSIs）的复杂背景，导致异常淹没在背景中。另一方面，HSIs 缺乏标记样本导致现有 HAD 方法泛化性差。本文首次尝试研究一种无标记样本的新且可泛化的背景学习问题。我们提出一种用于 HAD 的新方案 BSDM（背景抑制扩散模型），它能同时学习潜在背景分布并泛化到不同数据集以抑制复杂背景。其特点体现在三方面：（1）针对 HSIs 的复杂背景，我们设计伪背景噪声并用扩散模型（DM）学习其中的潜在背景分布。（2）针对泛化性问题，我们应用统计偏移模块，使 BSDM 无需标记样本即可适应不同域的数据集。（3）为实现背景抑制，我们创新性改进 DM 的推理过程，将原始 HSIs 输入去噪网络，从而将背景作为噪声去除。我们的工作为 HAD 开辟了一条新的背景抑制途径，可在无需人工标记数据的前提下提升 HAD 性能。在多个真实 HSI 数据集上四种 HAD 方法的评估和泛化实验证明了上述所提方法的三个独特性质。代码见 https://github.com/majitao-xd/BSDM-HAD。
引用
@article{arxiv.2307.09861,
title = {BSDM: Background Suppression Diffusion Model for Hyperspectral Anomaly Detection},
author = {Jitao Ma and Weiying Xie and Yunsong Li and Leyuan Fang},
journal= {arXiv preprint arXiv:2307.09861},
year = {2026}
}