常用高光谱异常检测数据集abu

本文首先对高光谱异常检测中的经典算法进行了研究分析，包括PCA和KPCA 两种特征提取算法，以及基于多元信号检测理论的RX、KRX和LAKDE异常检测算 法。通过仿真实验分析了这些算法的性能以及特征提取的必要性

高光谱异常检测常用数据集 包含 airport-beach-urben/HYDICE/sandiego

高光谱异常检测对比算法合集-传统方法 CRD LRX GRX KRX RX

Local Summation Anomaly Detection 算法，高光谱异常检测算法，matlab代码

高光谱异常检测算法Unsupervised Nearest Regularized Subspace, matlab算法代码

高光谱异常探测算法matlab代码，论文：Anomaly Detection for Hyperspectral Imagery Based on the Regularized Subspace Method and Collaborative Representation

针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。

在MATLAB中实现高光谱异常检测KRX算法，主要是参靠KRX英文原文《Kernel RX-Algorithm: A Nonlinear Anomaly Detector for Hyperspectral Imagery》实现。