Multiscale Memory Autoencoder and Spatial Filtering for Hyperspectral Anomaly Detection

The hyperspectral anomaly detection (HAD) aims to identify potential anomalies from complex backgrounds. Most reconstruction-based autoencoders equally treat background pixels and anomalies or ignore potential spatial information. In this letter, we propose an HAD method based on multiscale memory a...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE geoscience and remote sensing letters Jg. 22; S. 1 - 5
Hauptverfasser:	Ma, Ziyang, Zhang, Yongshan, Lian, Yuyun, Jiang, Xinwei, Liu, Xiaobo, Cai, Zhihua
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Piscataway IEEE 2025 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Anomalies Anomaly detection Autoencoder Autoencoders Decoding Feature extraction Filtering hyperspectral anomaly detection (HAD) Image reconstruction Information processing memory module Memory modules Pixels Reconstruction Spatial data Spatial filtering Spatial memory Spectral analysis Statistical analysis Training
ISSN:	1545-598X, 1558-0571
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!