GRSM2026
跨场景光谱实例发现：从高光谱影像像素级异常检测到跨场景实例发现
针对传统高光谱异常检测方法主要依赖像素级异常得分图、难以实现异常目标实例自动提取与跨场景关联匹配，以及大规模多源高光谱数据处理中人工分析效率受限等问题，提出一种跨场景高光谱异常实例发现框架（CrossSID），实现像素级异常检测、目标实例提取与跨场景实例匹配的一体化处理。该方法构建统一的三级任务体系与层次化评价机制，首先设计自监督场景鲁棒关系编码器（SRRE），学习不同场景间具有可比性的光谱关系特征，增强异常目标表征的跨场景一致性与泛化能力；其次，联合像素级嵌入特征、原始光谱信息及免训练关系描述符，利用马氏距离构建多源异常度量，并通过尺寸条件融合策略生成综合异常得分图；进一步提出分位数自适应种子生长算法，实现无需逐场景人工调整阈值的异常目标实例提取；最后，基于异常得分加权的实例特征聚合方法构建目标描述符，实现跨航线、跨传感器条件下的异常实例检索与匹配。该研究推动高光谱异常检测从传统像素级异常识别向实例级目标发现与跨场景关联分析拓展，为大规模高光谱遥感数据的自动化解译、异常目标持续监测及多源遥感信息关联应用提供了新的技术途径。