近日，西安電子科技大學物理學院周慧鑫教授團隊在高光譜異常檢測方向上取得重要進展，在地球科學領域的國際頂級期刊《International Journal of Applied Earth Observation and Geoinformation》先后連發兩篇最新研究成果“Pixel-associated autoencoder for hyperspectral anomaly detection”（博士后向培為第一作者）、“A light CNN based on residual learning and background estimation for hyperspectral anomaly detection”（博士生張嘉嘉為第一作者）。

高光譜圖像（HSI）因具備豐富的光譜分辨率特性，在遙感、環境監測、精細農業等領域得到了廣泛的應用。其中高光譜異常檢測作為一種無監督的目標檢測任務，在無目標光譜先驗知識的條件下，可實現高光譜數據中的目標預定位，具有很強的實際應用價值。

第一篇論文研究主要針對現有高光譜異常檢測方法沒有充分考慮像素之間的相似性，導致其背景重建精度低而影響檢測性能的問題，創新提出了一種新穎的基于像素關聯自編碼器的高光譜異常檢測方法，實現了優越的異常檢測性能。

第二篇論文主要針對現有基于重建背景的深度學習網絡復雜且參數較多而運行效率低的問題，創新提出了一種基于殘差學習和背景估計的輕量級卷積神經網絡（CNN）。在有限的參數量下，該方法可有效抑制背景并檢出異常，獲得先進的異常檢測性能，并為算法的轉化應用奠定良好的基礎。