高光谱实时异常检测：逐行处理与局部因果窗算法

"基于逐行处理的高光谱实时异常目标检测" 本文主要探讨的是在高光谱成像领域的实时异常检测技术。高光谱数据的海量性对存储和传输提出了巨大挑战，实时处理成为了应对这一问题的有效策略。文章提出了一种基于逐行处理框架的实时异常检测算法，特别适合于高光谱成像传感器采用的推扫式数据获取方式。 该算法的核心是将局部因果窗模型应用到Reed-Xiaoli异常检测算法中。局部因果窗模型允许算法以行进的方式处理数据，保证了处理过程的实时性和因果性。在检测过程中，通过滑动局部因果窗，可以有效地识别出异常目标，而无需一次性处理整个数据集。 针对矩阵求逆运算的计算复杂度问题，文中借鉴了卡尔曼滤波器的递归思想，并利用Woodbury求逆引理。这种方法能够在不进行大矩阵求逆的情况下，通过前一时刻的数据状态信息迭代更新当前数据状态，显著降低了算法的计算负担，从而提高了运算效率。 实验部分，作者使用了模拟和实际的高光谱数据，结果显示，提出的实时算法在保持检测精度不变的前提下，运算效率相较于传统算法有显著提升。这些发现对于高光谱成像数据的实时处理和异常检测具有重要的理论与实践价值，尤其对于遥感和地球观测等领域，能够有效优化数据处理流程，提高资源利用率。 关键词涉及：遥感、高光谱异常目标检测、实时算法、逐行处理、局部因果窗。文章的发表有助于促进高光谱成像技术的发展，特别是对于需要高效处理大量数据的实时应用。