涂兵团队在IEEE Transactions on Neural Networks and Learning Systems期刊发表题为“Anomaly detection in hyperspectral images using adaptive graph frequency location”的论文。通过在拓扑结构上进行频率分析（本质上在空间全局结构上分析局部变化），既能解决空间几何频率分析的边缘效应难题，也能实现有效的空间光谱信息联合分析。作为图频分析的重要工具，图傅里叶变换（GFT：Graph Fourier Transform，）的定义为，其中为图上的信号，是包含结构信息的拉普拉斯特征向量集，则由上顶点的特征属性定义，因此GFT能够实现结构信息与像元光谱特征的联合分析。受此启发，提出了一种新的基于图小波变换（GWT：Graph Wavelet Transform，）理论的异常检测方法（AGFL: Adaptive Graph Frequency Location）。具体而言，该方法将高光谱图像表示为一个高维属性图；在所构造属性图的拓扑结构上进行频率分析；研究由异常引起的频谱能量向高频转移的现象；在此基础上，将异常检测视为小波空间中的图频率定位问题。
图2.基于自适应图频率定位的高光谱图像异常检测框架图
图3.AGFL方法与其他方法在4个数据集上获得的检测结果图。
文章链接：https://doi.org/10.1109/TNNLS.2024.3449573