樊港辉，马泳, 2，梅晓光, 2*，黄珺, 2，樊凡, 2，李皞

1.武汉大学电子信息学院，武汉 430072；2.武汉大学宇航科学与技术研究院，武汉 430079；3.武汉轻工大学数学与计算机学院，武汉 430023

0 引 言

高光谱图像(hyperspectral imagery, HSI)是由上百幅窄波段图像堆叠而成的3维立方体，包含比红外和多光谱图像更为丰富的光谱信息，广泛应用于矿物探测、农业和国防(Ma等，2019；Mei等，2019；刘康 等，2020)等领域。异常检测是高光谱遥感探测领域中的一个重要组成部分，目的在于能自动搜寻场景中潜在的目标，尤其在目标的光谱特性无法获取的场景下具有十分重要的研究意义和实用价值。

对高光谱异常检测的算法大致分为基于统计的方法和基于表示的方法两类。基于统计的方法(Reed和Yu，1990；李普煌 等，2018)从概率统计的角度对背景进行建模，通过计算各样本点与模型分布的拟合程度判断是否为异常样本。基于表示的方法(Xu等，2016；朱德辉 等，2020)针对背景和异常各自的特点，通过优化理论求解满足这些特点的矩阵，从而分离出异常。这两类方法模型简单、易于理解，探测效果较好且计算量较小，但仍存在以下问题：1)算法的探测效果取决于模型假设是否符合真实场景的统计分布，当不相符时会导致模型失效(Imani，2017)；2)只利用了原始数据的浅层特征(如均值、协方差矩阵等)，没有利用更深层次的特征。此外，Chang等人(2019)指出波段冗余现象，尤其对于高维数据，会进一步降低异常与背景之间的可分性。高光谱数据一般包含上百波段，数据冗余导致的异常探测性能下降效应尤为明显。……