张 炎，华文深，黄富瑜，王强辉，索文凯

陆军工程大学石家庄校区电子与光学工程系，河北 石家庄 050003

引 言

高光谱遥感(hyperspectral remote sensing)兴起于20世纪80年代，是一种融合光谱学理论与成像原理的前沿技术[1]。高光谱图像的光谱分辨率达到了纳米级别，具有大量波段，是一种“图谱合一”的三维图像。光谱特征能够表达地物的本质特性，在目标检测领域运用光谱特征进行检测更加可靠。由于光谱信息库的不完善和大气校正的困难，不需要先验知识的异常目标检测应用更加广泛，成为了近年来的研究热点[2]。

最经典的异常目标检测算法是Reed等[3]在1990年提出的RX算法(reed-xiaoli detection，RXD)，最开始应用于多光谱图像，后来成为高光谱异常目标检测的基准算法，其本质是基于广义似然比检测的一种恒虚警率异常目标检测算法，通过计算背景的协方差矩阵和均值向量获得被检测像元与背景像元的马氏距离，从而得到检测结果。但由于异常目标在高光谱图像中尺寸较小，出现概率低，全局RX算法(global RX，GRX)的检测精度较低，虚警率较高。为提高检测效果，Taitano等[4]提出了一种局部RX算法(local RX，LRX),采用滑动双窗口模型进行检测，有效提高了检测精度。但由于RX算法及其改进算法[5]本质上属于线性检测算法，没有挖掘出高光谱数据的非线性特性，检测效果仍然不够理想。Kwon等[6]通过引入核函数提出了KRX算法(kernel RX，KRX)，该算法是一种典型的非线性检测算法，将线性不可分的原始数据投影到高维特征空间，增强了目标和背景的差异性，提高了检测精度，降低了虚警率。……