ERX：一种用于高光谱扫描线的快速实时异常检测算法

实时检测意外目标(异常)具有巨大的潜力,用于监控、管理和保护环境。高光谱扫描相机是一种低成本方案,可增强对异常检测的信心,相对于 RGB 和多光谱图像。然而,现有扫描线算法在使用小型计算机(如无人机或小型卫星上的计算机)时速度过慢、无法适应变化的场景或对几何畸变不够稳健。本文提出了指数移动 RX 算法(ERX)以解决这些问题,并将其与四种现有的基于 RX 的高光谱扫描线异常检测方法进行比较。还引入了三个大型且复杂的数据集，以更好地评估使用扫描线相机时的实际挑战(两个高光谱和一个多光谱)。ERX 在 Jetson Xavier NX 边缘计算模块(6 核 CPU,8GB RAM,20W 功耗)上进行评估,在速度与检测性能之间取得最佳组合。在包含最高 108 波段的数据集上,ERX 比下一个最佳算法快 9 倍,在 Jetson 上的平均速度为每秒 561 条扫描线。在最具挑战性的数据集上,ERX 比下一个最佳算法实现 29.3% 的 AUC 提升,同时通过在相机起始位置不同的情况下始终保持高的 AUC 分数显示出更好的适应性。ERX 在所有数据集上都表现稳健,在无几何校正的无人机收集的高光谱扫描线数据集上达到 0.941 的 AUC,比现有算法提高 16.9%。本工作使未来在实时检测异常对象、自适应和自动阈值选择以及现场测试方面的研究得以实现。数据集和 Python 代码均公开 available at: https://github.com/WiseGamgee/HyperAD,促进可访问性和后续工作。