高光谱影像由上百个连续的光谱波段组成，它能够通过内在的光谱反射特性提供丰富的光谱信息，这些特性促进了高光谱遥感技术的发展。其中高光谱图像目标检测是根据给定的先验目标光谱信息，在高光谱图像上寻找与先验信息相似的像素点，以此完成感兴趣的目标的提取。随着高光谱目标检测技术的发展，高光谱目标探测技术已被广泛应用于地雷探测、潜水风险探测、导弹火焰探测、伪装目标探测等军事领域以及环境监测、矿物探测、害虫探测、医疗探测等民用领域。

 在复杂高光谱影像场景中，待检测目标容易受噪声影响，光谱相关性复杂，目标背景差异小、检测概率低。对于如何更好地抑制噪声、增强目标与背景的区分问题是高光谱目标检测中的一个挑战和难点。近年来，研究人员提出了不同类型的高光谱目标检测方法。但对现有方法进行分析，这些探测算法在处理复杂背景数据时，很少考虑变换域信息，并且没有充分利用空间信息，一些算法计算更加复杂，目标检测性能较低。

 针对以上问题，实验室设计了一种变换域自适应约束能量最小化检测器，该检测器通过多方向双窗口求和策略充分获取测试像素的局部空间统计信息，提高了目标检测的准确性。具体如下：1)首先将分数阶傅里叶变换应用于高光谱目标检测。它可以提取原始反射谱及其傅里叶变换之间的空间频域特征，弱化背景与目标的相关性，使其更适合于背景与目标的分离。2)在分数阶域，采用一种新的自适应约束能量最小化技术进行高光谱图像目标检测。3)在新设计的检测器中，采用多方向双窗口求和策略，充分利用测试像素的局部空间统计特性。同时，检测结果进行加权设计，进一步自适应调整检测精度。具体算法框架如图1所示。

 该方法是由北京理工大学信息与电子学院博士研究生赵晓彬、侯增福、博士后吴鑫、李伟教授、陶然教授，以及郑州航空工业管理学院马鹏阁教授共同合作完成。论文成果《Hyperspectral Target Detection Based on Transform Domain Adaptive Constrained Energy Minimization》被接收于Elsevier遥感类顶级期刊 [ International Journal of Applied Earth Observation and Geoinformation, 2021 ] (影响因子IF: 5.933)。

图1. 论文中所提出的基于变换域自适应约束能量最小化高光谱目标检测框架图

 论文链接：https://www.sciencedirect.com/science/article/pii/S0303243421001689