融合统一非凸张量环因子正则化的超光谱异常检测
计算机视觉与模式识别
2025-10-21 v2 机器学习
摘要
近年来，基于张量分解的超光谱异常检测（HAD）方法在遥感领域获得了广泛关注。然而，现有方法往往未能充分利用高光谱图像（HSI）中背景分量在光谱和空间域中同时存在的全局相关性和局部平滑性。这一限制导致了次优的检测性能。为缓解这一关键问题，我们提出了一种新型 HAD 方法 HAD-EUNTRFR，它引入了增强的统一非凸张量环（TR）因子正则化。在 HAD-EUNTRFR 框架中，原始 HSI 首先被分解为背景分量和异常分量。随后采用 TR 分解来捕获背景分量中的光谱-空间相关性。此外，我们引入了一种统一且高效的非凸正则化器，由张量奇异值分解（TSVD）诱导，将三维梯度 TR 因子的低秩性和稀疏性同时编码为唯一简洁的形式。上述表征方案使得可解释的梯度 TR 因子能够继承原始背景的低秩性和平滑性。为进一步增强异常检测，我们设计了一个广义非凸正则化项来利用异常分量的组稀疏性。为求解由此产生的双重非凸模型，我们开发了一种基于交替方向乘子法（ADMM）框架的高效优化算法。在多个基准数据集上的实验结果表明，所提出的方法在检测精度方面优于现有的最先进（SOTA）方法。
引用
@article{arxiv.2505.17881,
title = {Hyperspectral Anomaly Detection Fused Unified Nonconvex Tensor Ring Factors Regularization},
author = {Wenjin Qin and Hailin Wang and Hao Shu and Feng Zhang and Jianjun Wang and Xiangyong Cao and Xi-Le Zhao and Gemine Vivone},
journal= {arXiv preprint arXiv:2505.17881},
year = {2025}
}