汤书路，赵春晖，崔 颖

(哈尔滨工程大学 信息与通信工程学院，哈尔滨 150001)

0 引 言

高光谱图像包含二维空间信息和一维光谱信息，具有“图谱合一”的特点[1]。高光谱图像具有光谱分辨率高的特点，包含非常丰富的地物光谱信息[2]，为地物分类、检测、识别提供了很大的可能[3]。目前，在军事、农林业、土地资源管理和海洋遥感等领域已得到广泛的使用[4-6]。

对高光谱图像中的目标进行检测可以分为：有先验信息的目标检测和没有先验信息的异常目标检测。“异常”指目标与背景的光谱信息存在很大的差异性[7]，这种异常目标在高光谱图像中存在的比例较小。通常在异常检测的算法中需要找到异常目标与背景的差异，达到检测出异常目标的目的。

在高光谱图像异常检测的算法中，Reed I S[8]提出的 RX 算法最为经典。由于异常目标和背景在高维特征空间的分布差异性，一种基于核方法的异常检测算法应运而生了，如核 RX(KRX)[9]。Banerjee A等[10]提出了一种新的基于支持向量域描述的非线性检测算法 (Support Vector Domain Description,SVDD)。近年，基于表示理论的异常算法逐渐被提出，这些算法摒弃了经典算法中对目标、背景和噪声做出的假设,如基于协同表示的异常目标检测算法(Collaborative-Representation-based Detecter,CRD)[11]。此外还有基于稀疏表示的异常目标检测算法[12]，该算法根据像元的稀疏表示其系数向量的非零系数位置来判别该像元是背景还是异常目标。上述方法均用到了地物的光谱信息，由于高光谱图像蕴含着丰富的空间信息，利用空间信息有利于提升算法的精度和效果。……