王含宇，杨名宇，王 浩，孟令通，王檬檬

(1.中国科学院 航空光学成像与测量重点实验室，吉林 长春130033；

2.中国科学院 长春光学精密机械与物理研究所，吉林 长春130033)

1 引 言

高光谱技术具有图谱合一特性，可探测物体形貌特征及空间分布，还可获取辐射度及光谱信息，借助高光谱提供的精细反射率光谱信息及代表物体真实性的“指纹光谱”，可在自然背景中完成对目标的准确检测，在军事目标侦察探测、伪装隐身及民用环境监测、资源管理等领域都有着广泛的应用[1]。如何高效快速发现背景环境(如植被、沙漠、海洋、雪原)中的目标，是当前高光谱目标检测的一大热点与难点[2-3]。

目前，常见的高光谱目标检测算法有基于子空间投影的RX算法[4]和正交子空间投影算法(Orthogonal Subspace Projection，OSP)[5]，基于概率统计模型的约束能量最小化算法(Constrained Energy Minimization，CEM)[6-7]和自适应余弦估计探测器(adaptive coherence/cosine estimator，ACE)[7]，以及基于原始光谱特征的光谱角匹配(Spectral Angle Mapper，SAM)[8-9]。由于高光谱图像具有精细的反射率光谱信息，导致相邻谱段相似性强，冗余性较高[10-11]，在处理较大尺寸高光谱图像时，上述算法无法满足实时性需求，常通过降维的方法从原始数据中选择相关性小、有代表性的波段子集[9]。光谱微分法通过对反射率曲线进行相应的数学变换，实现将某些波段上的特征适当放大，同时消除一些噪声因素的影响，利用变换后特点更加明显的波段进行信息提取[12]。目前，光谱微分技术多用于已知目标光谱的高光谱目标检测中[12-15]，对于多类目标场景适应性较差。……