来源：期刊VIP网 时间：
作者：陈楚申;唐国吉;
单位：广西民族大学数学与物理学院;
摘要：高光谱图像每个像素点的光谱信息包含数百甚至数千个波段，使得高光谱图像在维度上具有高度的复杂性，且由于光谱波段众多，其中存在大量的冗余信息，加大了异常目标识别计算的负担。为此，文中提出基于张量Tucker分解的高光谱图像异常目标识别方法。通过张量Tucker分解压缩高光谱图像后，采用依据高光谱图像数据样本学习的构造方法，构建压缩后高光谱图像的字典，获取高光谱图像数据的稀疏表示形式后，通过RX异常检测方法检测出高光谱图像中的异常目标。实验结果表明：所提方法张量分解重构高光谱图像后，可以缩短压缩时间，减少算法复杂度；重构后的高光谱图像清晰度高，且高光谱图像异常目标检测虚警率低。
关键词：张量Tucker分解;;高光谱图像;;异常检测;;目标识别;;稀疏表示;;压缩图像;;数据降维
