真棒！西电师生在地球科学领域国际顶刊发表两篇研究成果

近日，西安电子科技大学物理学院周慧鑫教授团队在高光谱异常检测方向上取得重要进展，在地球科学领域的国际顶级期刊 International Journal of Applied Earth Observation and Geoinformation（中国科学院I区TOP期刊，五年IF=7.5）先后连发两篇最新研究成果Pixel-associated autoencoder for hyperspectral anomaly detection（博士后向培为第一作者）、A light CNN based on residual learning and background estimation for hyperspectral anomaly detection（博士生张嘉嘉为第一作者）。

高光谱图像（HSI）因具备丰富的光谱分辨率特性，在遥感、环境监测、精细农业等领域得到了广泛的应用。其中高光谱异常检测作为一种无监督的目标检测任务，在无目标光谱先验知识的条件下，可实现高光谱数据中的目标预定位，因而具有很强的实际应用价值。

第一篇论文研究主要针对现有高光谱异常检测方法没有充分考虑像素之间的相似性，导致其背景重建精度低而影响检测性能的问题，创新提出了一种新颖的基于像素关联自编码器的高光谱异常检测方法。首先基于超像素距离估计引入字典构建方法，为背景和局部异常构建不同的字典。再将每个像素从原始HSI到背景字典和局部异常字典的相似性度量作为AE网络输入来实现像素相似性的识别，并提出建立了一种双隐藏层特征相似性约束网络来提高背景和异常目标的重建误差，以此建立评分，从而实现了优越的异常检测性能。

像素关联自编码器的整体算法流程（点击上图查看论文原文）

第二篇论文主要针对现有基于重建背景的深度学习网络复杂且参数较多而运行效率低的问题，创新提出了一种基于残差学习和背景估计的轻量级卷积神经网络（CNN）。与传统方法不同，该方法转变了网络的学习任务，直接学习异常特征而非重建背景特征，并引入非中心卷积结构与联合损失，有效地降低了网络参数，同时提高了检测推理的效率，进而实现了在有限参数量下，可有效地抑制背景并检出异常，获得了先进的异常检测性能，并为算法的转化应用奠定了良好的基础。

RLBE-LCNN整体算法流程（点击上图查看论文原文）

据悉，International Journal of Applied Earth Observation and Geoinformation是一本由Elsevier出版的地球科学-遥感学术刊物，创刊于1999年，是国际一流TOP期刊，主要刊载地球科学-遥感相关领域研究成果与实践。

论文的录用发表

向国际同行展示了西电师生

在高光谱异常检测领域的研究能力和成果

扩大了学校的学术影响力

促进了学校与该领域顶尖学者的交流和合作

为西电人点赞！

通讯员 / 向培

编辑 / 王冠玉

原标题：《真棒！西电师生在地球科学领域国际顶刊发表两篇研究成果》

阅读原文