方 知

(聊城大学东昌学院，山东 聊城 252000)

1 引言

随着遥感器技术的深入研究，高光谱图像信息丰富程度不断提高、数据处理更为合理，可以为研究者提供非常详细的地理数据或者事物信息。高光谱图像具有较大的发展空间及影响力，甚至在医学及科学领域都被广泛应用。但是其数据波段大、数据量多，会给存储及传输带来一定负担且图像处理较困难。

近年来对高光谱图像检测[2]研究不断增多。主要是依据图像特征，采用预测、变换、量化等方式实现图像压缩比进行检测，如何对重要信息保留以及去除冗杂数据，提高检测精度，是现阶段最具挑战性的地方。常使用的是基于特征向量的高光谱图像数字模型检测，虽然能够减少图像噪音和不必要数据，但会带来一定量信息的丢失，导致数据产生一定误差。在保证图像信息的条件下，如何提高图像自动检测精准度，成为新的研究发展方向。

刘春红[3]等人针对计算量大和运行速度慢的问题，提出高光谱图像实时线性约束算法，使用Woodbury推导出压缩前后图像间存在的因果关系，寻找其线性规则降低后续计算量，随后通过实时LCMV目标检测判断处理后数据是否完整。该实时检测算法精度高、受影响小、数据内存占用率降低、计算能力提高，实时处理能力提升，相比其它算法具有明显优越性。董晶晶[4]等人提出了基于小麦不完善粒的高光谱图像检测，首先收集图像信息，并对其进行增强、阈值分割，从而提取纹理特征及形态向量，减少冗余信息对后续检测的影响，最终建立多分类支持向量机，结合光谱及图像特征，判别缺失颗粒，完成检测。……