高光谱图像目标检测技术的研究现状

Manolakis(2003)认为目标检测就是将目标从背景物体中区分出来，判断每个像素中目标的存在。在高光谱遥感领域，近年来发展了许多目标检测算法。根据算法模型可分为原始空间模型、子空间模型和白化空间模型(张兵等，2011)。Robey等人(1992)提出了一种自适应匹配滤波器(AMF)，用多维正态分布模型模拟背景，但不能很好地表达背景的变化。刘翔(2008)分析了椭圆轮廓分布(ECD ),认为该模型可以灵敏地预测信号随环境的变化。在目标和背景光谱已知的情况下，Harsanyi(1993)提出了一种正交子空间投影(OSP)算法，该算法考虑了背景光谱和各种噪声下的最大残差信号。此外，Harsanyi还提出了一种约束能量最小化(CEM)算法。该算法根据目标光谱，放大特定方向的信号，缩小其他背景信号，从而实现目标检测，适用于小目标检测。然而，CEM检测器很难将目标端元信号与噪声信号分开(杜博，2010)。凌丽娜等(2007)首先通过PCA技术扣除图像的背景信息，然后通过IEA(迭代误差分析)方法选择端元，将端元光谱代入CEM作为已知光谱，从而很好地提取小目标。为了拓展CEM在大目标检测中的应用，耿秀瑞(2005)还通过设计加权自相关矩阵对原有算子进行了改进，提出了加权自相关矩阵的CEM算子(WCM-CEM)。Reed等人(1990)开发了异常检测算子RXD，其算法依赖于这样一个假设，即异常对象经常漂移出由图像数据构建的数据“云”超平面，即当图像在异常像素与图像均值向量的连线方向上的投影存在较大方差时，该算子就会失效(张兵等人，2011 .耿秀瑞(2007)设计了一种基于数据白化距离的白化距离异常检测(WAAD)算法。该算法对高光谱数据(WP)进行白化，使数据“云”在特征空间呈球形，而异常像素仍在球形云外，解决了RXD检测失败的问题。为了拓展CEM在大目标检测中的应用，耿秀瑞还通过设计加权自相关矩阵对原有算子进行了改进，提出了加权相关矩阵CEM (WCM-CEM)。何林等(2006)研究了正交子空间和目标子空间投影的高光谱数据背景和噪声抑制方法。卢伟等(2006)提出了一种无监督的特征投影方法，借助实数编码遗传优化投影寻踪方法，从非正常分布的角度提取小目标。

近年来，国内外科技界和工业部门从不同方面对矿产资源检测和矿区重金属污染物监测进行了深入研究。在矿产资源高光谱遥感探测方面，通过成像光谱仪测量岩石和矿物的光谱特征，开展识别矿物和探测环境的研究，获取一体化图件信息，形成高光谱岩石和矿物识别与制图的技术流程和方法，在岩石和矿物识别、信息提取和专题制图方面取得突破(Boardman等，1994；杜佩君等人，2003年；克鲁斯等人，2006年；张杰，2006；张兵等，2008；王润生等人，2007，2010)。近十年来，关于矿山重金属污染监测、分析和评价方法的研究论文和报告逐渐增多。比如利用高光谱数据和矿物识别谱系有效识别铜矿区污染类型(甘福平，2004)；在实验室分析了不同程度铜和重金属污染的煤矸石山周围土壤的光谱特征(高等，2005)；基于光谱仪实测光谱数据，综合考虑污染物的光谱特征，对矿山污染物和废矿石造成的污染、冶金废水造成的水污染及其植被污染、长期采矿活动造成的采矿土壤重金属污染进行信息提取研究(Kemper et al .，2002；严守勋等，2003；钟常凯，2004；甘福平，2004；崔龙鹏等，2004；张杰，2006；Choe等人，2008年；任等，2009；拉希德，2010).此外，也有学者对植被生化参数、植被指数、导数光谱、红边位移分析、回归分析、胁迫效应、病害监测、农药残留检测、重金属污染等做了大量研究(Mutanga等，2004；刘等，2004；陈等，2009；辛格等人，2010；刘等，2011)；随着对不同环境下地物光谱变化特征的深入研究，基于地物光谱变化细微变化的矿山生态环境遥感定量检测实用技术也已出现(Ferrier，1999；高等，2005；Choe等人，2008年；任红燕等人，2008年；金清华等，2009；Bech等人，2012).

综上所述，现有的成果大多是通过光谱曲线特征点和特征参数提取、光谱微分处理、光谱吸收特征获取、光谱指数计算、统计分析、混合像元分解、光谱匹配等手段，对光谱仪的像元光谱或被测光谱进行处理和分析。但缺乏利用支持向量机等现代数学理论如SVM、小波包变换(WPT)、谐波分析(HA)和自适应神经网络(ANN)等手段对光谱曲线进行深度变换，因此在噪声分离、同光谱异物和同光谱异物处理、痕量(弱)信息识别等方面存在很大不足。因此，有必要开展基于现代数学理论的高光谱遥感数据转换与处理、信息提取与分析的应用研究。