约束能量最小化变分自编码的高光谱目标检测

目标检测是高光谱领域中一个重要的研究方向，高光谱目标检测（hyperspectral target detection）是根据目标的光谱特征将像素判断为背景或者目标。在过去的几十年中已经提出了很多的检测算法，但是高光谱图像中背景样本的复杂性以及目标样本的有限性，使得检测算法面临着很大的挑战。本文提出了一种基于背景重构的高光谱目标检测算法，利用高光谱图像中背景样本占比较大的特点，训练背景样本自表示模型，然后重构出背景。同时利用约束能量最小化对残差图像进行检测，将重构出的背景用于自相关矩阵计算，避免目标样本参与计算影响目标样本的响应能量，提高了检测的精确度。在真实的高光谱图像数据上结果明显优于对比实验，验证了该方法的有效性和高效性。