基于课程学习与光谱奇偶分解的高光谱无监督异常检测方法

一种基于课程学习与光谱奇偶分解的高光谱无监督异常检测方法，包括以下步骤；步骤1：对输入高光谱图像进行预处理，获取光谱向量，构建区域级训练样本；步骤2：构建基于课程学习与光谱奇偶分解的高光谱异常检测模型，获取得到的细粒度区域代表性光谱特征；步骤3：定义高光谱异常检测模型的均方误差损失函数；步骤4：训练所述高光谱异常检测模型；步骤5：利用训练好的高光谱异常检测模型对细粒度区域代表性光谱特征进行重建，获取重建图像，计算对光谱向量和重建图像的重构误差图；步骤6：对重构误差图进行二值化分割得到异常检测结果。本发明在保证高检测精度的同时降低虚警率与计算复杂度，满足实际场景对效率与可靠性的双重需求。