席彦新，计璐艳，耿修瑞

(1 中国科学院空天信息创新研究院 中国科学院空间信息处理与应用系统技术重点实验室， 北京 100094；2 中国科学院大学， 北京 100049) (2019年10月29日收稿； 2020年3月27日收修改稿)

在遥感领域，目标检测一直是重要的研究方向，其在军用及民用项目上，均有着重要作用，如伪装目标检测、灾情控制、土地规划、城区监控以及目标跟踪等[1-3]。在高/多光谱图像目标检测中，目标和背景的光谱差异，是目标能够被有效检测的物理依据。

理论上来看，遥感图像目标检测实际上是一个二分问题：将像元标记为目标或者背景。经过多年的发展，该领域提出了很多关于高/多光谱图像目标检测算法[4]，其中大部分都是在压制背景信息的基础上，突出目标，如1)基于概率统计模型的检测方法：匹配滤波(matched filter，MF)算法[4]、自适应余弦估计(adaptive cosine estimator，ACE)算法[5]、约束能量最小化(constrained energy minimization, CEM)算法[6]和“慧眼”(clever eye，CE)算法[7]；2)基于光谱间相似性度量：光谱角度填图(spectral angle mapping，SAM)算法[8]；3)基于子空间模型的检测算法：正交子空间投影(orthogonal subspace projection，OSP)算法[9-10]。

虽然以上这些方法取得了令人瞩目的成就并得到广泛应用，但都是基于单时相的遥感图像，没有有效利用遥感图像时间维信息。而目前研究表明，多时相遥感数据对地物目标分类和探测能够起到十分重要的作用，如基于多时相红外图像的浅层地下目标探测应用[11]；使用多时相SPOT-4 植被传感器数据的中国东北森林的分类[12]；基于MODIS NDVI数据的土地利用/覆盖分类及变化检测[13]；基于多时相MODIS图像的中国南部的水稻田分布检测[14]和基于多时相遥感数据及景观指标的地表分类和变化检测[15]等。……