基于自学习筛选多层级光谱特征的高光谱异常检测方法

本发明公开了一种基于自学习筛选多层级光谱特征的高光谱异常检测方法，通过自学习波段筛选模块，根据高光谱数据的统计特性和结构动态选择最具代表性的波段。利用层级化特征融合模块有效捕捉光谱差异，精确桥接不同层级的特征信息。通过结构相似性损失与分离抑制损失对网络模型训练进行约束。有效抑制了检测中异常信息的干扰，确保高光谱图像异常检测的背景重构的准确性，提取的异常目标的判别性特征能够有效提高异常目标在复杂背景下的可分性，降低误检和漏检率，显著提升了高光谱图像异常检测的重构精度，以及高光谱图像异常检测的准确性与鲁棒性。