高スペクトル目標検出において、背景情報の統計はしばしば目標情報の干渉を受け、高スペクトル画像に存在する多数の混合ピクセルがさらにこの干渉を深刻化させる。背景情報を正確に統計し、目標ピクセルが背景統計情報に及ぼす干渉を著しく低減するために、スペクトル分解を利用した目標検出アルゴリズムを提案する。スペクトル分解と目標類似度判定により、目標エンドメンバーに対応する豊富度係数を取得し、スペクトル角度係数と組み合わせて合理的な背景加重係数を生成し、加重制約最小エネルギー演算子（CEM）による目標検出を行うことで、混合ピクセルの背景情報統計の精度を効果的に向上させる。目標エンドメンバーに対応する豊富度係数とスペクトル角度係数を用いて初期の目標検出結果を生成し、加重CEM検出結果と融合してさらに最適化を行い、アルゴリズムの安定性を高め、改めて目標検出精度を向上させる。実験結果は、模擬高スペクトル画像および実際の高スペクトル画像に対して、本アルゴリズムが良好な目標検出効果を得ており、アルゴリズムの安定性が高く、目標検出精度を有効に向上させていることを示す。提案アルゴリズムは、従来のCEMアルゴリズム、スペクトル角に基づく加重CEMアルゴリズム、正規化豊富度係数を目標結果として用いる方法に比べ、AUC値をそれぞれ平均0.0712、0.0312、0.0150向上させており、高スペクトル応用における実用性が高い。

高スペクトル画像;目標検出;スペクトル分解;豊富度;スペクトル角