基于自编码对抗网络的无监督像素级高光谱异常检测
图像与视频处理
2021-01-25 v1
摘要
我们提出一种完全无监督的像素级高光谱图像异常检测方法。所提方法包含称为数据准备、重建与检测的三个步骤。在数据准备步骤中，我们应用背景纯化以无监督方式训练深度网络。在重建步骤中，我们提出使用三种不同的深度自编码对抗网络（AEAN）模型，包括 1D-AEAN、2D-AEAN 与 3D-AEAN，它们分别用于谱域、空间域以及谱-空联合域。AEAN 模型的目标是生成接近于真实图像的合成高光谱图像（HSI）。在原图像与合成图像像素间计算重建误差图（REM）。在检测步骤中，我们提出使用一种基于 WRX 的检测器，其中像素权重依据 REM 获得。我们在真实高光谱数据集上将所提方法与经典的 RX、WRX、基于支持向量数据描述（SVDD）、基于协同表示检测器（CRD）、自适应权重深度信念网络（AW-DBN）检测器以及深度自编码器异常检测（DAEAD）方法进行比较。实验结果表明所提方法在基准测试中优于其他检测器。
引用
@article{arxiv.2101.08827,
title = {Unsupervised Pixel-wise Hyperspectral Anomaly Detection via Autoencoding Adversarial Networks},
author = {Sertac Arisoy and Nasser M. Nasrabadi and Koray Kayabol},
journal= {arXiv preprint arXiv:2101.08827},
year = {2021}
}