基于低秩表示和学习字典的高光谱图像异常探测

提出一种基于低秩表示和学习字典的高光谱遥感图像异常探测算法.相对于其它低秩矩阵分解方法如鲁棒主成分分析, 低秩表示方法更为契合高光谱图像的线性混合模型.该算法将低秩表示模型应用到高光谱图像异常探测问题上来, 引入表征背景信息的学习字典, 大大增强了低秩表示模型对初始参数的鲁棒性.仿真和实际高光谱数据的实验结果表明, 所提出的算法有效地提高了异常的探测率, 同时对初始参数具有较好的鲁棒性, 可以作为一种解决高光谱图像异常探测的有效手段