高光谱图像进行目标探测有哪方面

1、特征波段选取:如果目标与背景在某些被段的光谱响应有明显区别，则可以仅通过这些特征波段进行目标提取。比如NDVI常被用于区分植被与非植被。

2、已知目标已知背景:在已经知道目标与构成背景的各端元的情况下，目标提取就可以归结 为对线性混合模型的线性解混，得到目标地物在图像中的分布情况。常用的光谱解混算法包括最小二乘法、凸面几何学算法、正交子空间投影算法(OSP)、前景背景分析算法( FBA)、滤波向量算法等。

3、已知目标未知背景:在仅知道目标端元的光谱而未知背景的情况下,可以通过两种方法来进行目标提取。一种是利用一组正交基底代替背景，这种情况比较常用的方法包括主成分分析(PCA)及奇异值分解(SVD)；另一种方法就是利用高光谱数据在特征空间分布的统计特性对目标进行半解混提取。CEM算法就是应用最为广泛的小目标提取算法,RXD算法则在异常提取方面有其独到之处。

4、未知目标未知背景:高光谱数据在其特征空间呈现凸面单形体结构，而组成高光谱图像的各个纯粹地物所对应的端元位于单形体的各个顶点。在目标增元与背景端元都未知的情况下，可以根据高光谱数据在特征空间这一特殊的几何结构进行端元提取,继而实现对感兴趣目标的探测。