文 献 综 述
摘要:
本文介绍了高光谱遥感图像的概念以及其与目标检测有关的常见算法，且对高光谱目标检测算法的原理与研究现状进行了分析和总结，介绍了常见的目标检测算法如约束能量最小化算法和RX异常检测算法，对云计算相关内容做了简单的归纳总结以及其在遥感图像目标检测的作用。鉴于当今社会来越大的数据量并综合上述研究调研，提出了基于云计算的目标检测算法来解决海量数据处理和运行效率问题。
关键词： 高光谱图像 目标检测算法 云计算
一、高光谱图像
光谱分辨率在数量级范围内的光谱图像称为高光谱图像(Hyperspectral Image)。遥感技术经过20世纪后半叶的发展，无论在理论上、技术上和应用上均发生了重大的变化。其中，高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。并已证明了其在农业，矿物探测，以及国防军事等诸多领域的价值。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。而目标检测( Target detection，TD) 作为高光谱研究领域中的一个重要的研究方向，其目的是搜索图像中存在的特定对象/材料(目标)。高光谱图像信息包括空间信息和光谱信息，具有图谱合一观测的特性，因此目标检测除了可以利用图像空间信息之外，还可利用光谱信息。由于光谱特征是不同化学成分的物质所具有的固有特性，结合该信息可大大提高目标和背景进行定量分析的能力。从理论的角度来看，TD 可以看作一个二元分类问题: 其目的是将图像分割成目标类和背景类。然而在实际应用中，TD 的检测目标是图像中嵌入背景的面积很小的一部分罕见的对象。
二、高光谱目标检测
所谓高光谱图像，其实是建立在三维的坐标空间中，有异于普通的通向，XY方向上与普通图像无异，都是空间方向上的维度，而高光谱图像中的Z方向则表示光谱波段。成像光谱切面是一单色平面，该切面数据反映了各波段的辐射能量，不能显示出图像的光谱特征。那么高光谱遥感是如何成像的，主要是包括以下几个关键技术，包括探测器焦平面技术，各种新型的光谱仪技术和机密光学技术，高速数据采集、传输、记录和实时无损数据压缩技术，成像光谱仪的光谱与辐射定标技术，成像光谱信息处理技术。
高光谱图像处理通常包括降维、目标检测和解混合等内容,降维是为了去除光谱维冗余信息 ,目标检测是一个二类分类问题,而解混合要找出每个像素位置各类别的含量 ,这三方面的内容是提取信息量依次上升的过程 .高光谱图像目标检测作为二类分类问题 ,一般可被视为涵盖于自动目标识别 这一研究领域之中 .由于高光谱图像特殊的成像方式即可以同时观测空间信息和谱间信息,使得高光谱图像在目标检测方面具有独特的优势,并成为目标自动识别领域的一个前沿研究方向。
目标检测的本质上是把图像中比较重要的点或者物质从场景中分离开来。而高光谱图像目标检测的实质是利用图像中各个像素点在光谱特征维度上的差异进行个体识别。然而，可用的高光谱图像数据中，许多像素点(包含目标像素点)都是亚像元级情况。此时，若使用传统的空间特征目标检测技术是很那实现上述目标。进而，在该领域的迫切需求就应运而生。在如今目标检测领域，经常被使用到的两种研究方法是:有监督与非监督。有监督的目标检测方法指的是待检测的目标信息已知，能够利用这个信息与高光谱图像中所有的像元进行对比比较。非监督的目标检测方法指的是未知待检测目标的信息的情况下，需要从高光谱图像中将其分离出来。在计算机视觉的研究中，图像的目标检测是最根本的任务之一。而目标检测简单的还可以分为动态目标检测，静态目标检测。静态目标检测的研究又是动态目标检测的基础和根本。
