张燕，樊彦国，许明明，钟先金

(中国石油大学(华东) 海洋与空间信息学院，山东 青岛 266580)

0 引言

高光谱遥感具有“图谱合一”的优点，即在获取图像空间二维信息的同时获取了图像的光谱信息，这使得高光谱图像在提取感兴趣地物信息时具有独特的优势[1]。高光谱目标检测根据有无先验知识分为监督目标检测与非监督目标检测，无任何先验知识的非监督目标检测称为异常检测[2-3]。Reed等[4]提出的RXD算法(reed-xiaoli anomaly detection)是高光谱图像异常检测的基石算法。后来学者在此基础上做出诸多改进，如Scholkopf等[5]提出的非线性核RXD(kernel RXD)算法，在图像统计时加入了非线性特征；Molero等[6]提出的基于聚类的并行RXD算法；耿修瑞[7]提出了一种基于数据白化距离的异常探测算法，先将数据进行白化处理再使用RXD算法进行探测。低概率目标探测算法(low probability target detector，LPTD)是另一种经典的异常目标探测算法，LPTD算法以单位向量作为匹配信息，是一种能量算子[8]，由Harsanyi[9]在1993年首次提出。张立燕等[10]利用LPTD方法进行了高光谱图像有损压缩方法的研究。

RXD算法与LPTD算法在表述形式上类似于匹配滤波算子，二者都是假设背景为高斯分布[11-12]，这种假设不能很好地描述复杂的背景，因而检测结果通常具有很高的虚警率。针对这一问题，本文提出一种基于均值匹配的高光谱图像异常目标检测后验处理方法，首先将常规异常探测算法结果做阈值分割，划分出异常目标潜在区域，随后求解出待测图像均值，并计算其与目标潜在区域的像元相似度，剔除差异较大的像元得到最终的异常探测结果，这一方法充分利用了异常目标的统计分布特征，本文采用的光谱相似性度量标准为光谱角。……