Na detecção de alvos hiperespectrais, as estatísticas das informações de fundo frequentemente sofrem interferência das informações dos alvos, e a grande quantidade de pixels mistos presentes nas imagens hiperespectrais agrava ainda mais essa interferência. Para a estatística precisa das informações de fundo e a redução significativa da interferência dos pixels de alvo nas estatísticas de fundo, foi proposto um algoritmo de detecção de alvos que utiliza a desmistura espectral. Por meio da desmistura espectral e da avaliação da similaridade dos alvos, obtêm-se os coeficientes de abundância correspondentes aos endmembers-alvo, que são combinados com os coeficientes do ângulo espectral para gerar coeficientes ponderados razoáveis do fundo, realizando a detecção de alvos com operador de energia mínima ponderada (CEM), aumentando efetivamente a precisão da estatística da informação de fundo dos pixels mistos; utilizando os coeficientes de abundância dos endmembers-alvo e os coeficientes do ângulo espectral para gerar os resultados preliminares da detecção de alvos, que são fundidos com os resultados do CEM ponderado para otimização adicional, aumentando assim a estabilidade do algoritmo e melhorando novamente a precisão da detecção. Os resultados experimentais mostram que o algoritmo proposto alcança bons resultados de detecção tanto em imagens hiperespectrais simuladas quanto reais, com alta estabilidade e melhora eficaz da precisão da detecção, aumentando em média os valores AUC em 0,0712, 0,0312 e 0,0150, respectivamente, em comparação com o algoritmo CEM tradicional, o algoritmo CEM ponderado baseado no ângulo espectral e os coeficientes de abundância normalizados, demonstrando forte aplicabilidade prática em aplicações hiperespectrais.

imagem hiperespectral;detecção de alvos;desmistura espectral;abundância;ângulo espectral