近日，我校苏红军教授团队受邀在遥感领域顶级期刊《IEEE Geoscience and Remote Sensing Magazine》上发表题为“Hyperspectral Anomaly Detection：A Survey”的综述文章，论文全面系统地总结了高光谱遥感影像异常探测等方面的最新研究进展，并探讨了研究所面临的挑战, 这也是我校首次在该期刊上发表论文。
高光谱遥感影像异常探测是利用高光谱遥感影像蕴含的丰富空谱信息对地物进行精细识别的技术，是当前的研究热点和难点问题，已广泛应用于边境监测、伪装目标识别、稀有矿物探测、森林火灾等军民领域。该文从异常探测机理、探测算法模型（部分算法见图1-图4）、性能评价指标、常用数据集和应用研究等方面，系统归纳了近年来高光谱遥感影像异常探测领域的最新研究成果，探讨了高光谱遥感异常探测当前面临的挑战和未来发展趋势。
图 1基于统计学理论的异常探测
图 2 基于距离准则的异常探测
图3 基于线性重构的异常探测
图4 基于自编码的异常探测
该工作是团队近期在高光谱遥感影像异常探测相关研究的最新进展之一。近年来，团队对表示模型下的异常探测方法进行了开创性研究，构建了高光谱遥感影像协同表示异常探测的方法体系，重点从异常探测表示模型机理、表示模型设计、字典构建、多特征利用等方面进行了系列探索。在模型设计方面，提出低秩联合协同表示的异常探测方法，通过结合全局低秩特征和局部协同属性，能够有效提升不同背景下不同尺寸目标的检测准确性（ISPRS P&RS, 2020,169,195-211）；在字典构建方面，针对传统固定尺寸双窗口字典的异常污染问题，提出利用空间域PCA净化背景的协同表示方法（IEEE JSTARS，2018, 11(12), 5029-5038）；在特征利用方面，设计了松弛协同表示异常探测器，首次提出逐波段检测的思想，充分利用了不同光谱特征之间的差异性和相似性，显著增强了算法对背景的重构能力，使目标更加突出（IEEE TGRS, 2022）。相关研究成果已获批国家发明专利一项。
上述工作联合了南京大学、美国密西西比州立大学、美国威斯康星大学麦迪逊分校、西班牙埃斯特雷马杜拉大学等单位的多名学者，并受到了多项国家自然科学基金(42122008，41871220和41571325)等项目的支持。
IEEE Geoscience and Remote Sensing Magazine是由IEEE地球科学与遥感协会（GRSS）创办的遥感领域的旗舰期刊，年均刊文量25篇左右，稿件主要涉及地球科学和遥感领域的技术指导性和综述性文章。
相关文献：
[1]Hongjun Su, Zhaoyue Wu, Huihui Zhang, Qian Du, “Hyperspectral anomaly detection: a survey,” IEEE Geoscience and Remote Sensing Magazine, vol. 10, no. 1, pp. 64-90, March 2022, DOI: 10.1109/MGRS.2021.3105440. （SCI一区TOP期刊, IF=13.925）
[2]Hongjun Su, Zhaoyue Wu, A-Xing Zhu, Qian Du, “Low rank and collaborative representation for hyperspectral anomaly detection via robust dictionary construction,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 169, pp. 195-211, November 2020. DOI: https://doi.org/10.1016/j.isprsjprs.2020.09.008. （SCI一区TOP期刊, IF=11.774）
[3]Zhaoyue Wu, Hongjun Su, Xuanwen Tao, Lirong Han, Mercedes E. Paoletti, Juan M. Haut, Javier Plaza and Antonio Plaza, “Hyperspectral Anomaly Detection with Relaxed Collaborative Representation,” IEEE Transactions on Geoscience and Remote Sensing, 2022. DOI: 10.1109/TGRS.2022.3190327. （SCI二区TOP期刊, IF=8.125）
[4]Hongjun Su, Zhaoyue Wu, Qian Du, and Peijun Du, “Hyperspectral Anomaly Detection Using Collaborative Representation with Outlier Removal,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 11, no. 12, Dec. 2018. DOI: 10.1109/JSTARS.2018.2880749. （SCI二区期刊, IF=4.715）
