高光谱遥感图像包含地物丰富的光谱特征,能够精细的识别特定的地物类型,例如农作物、岩矿、文物等。然而,由于高光谱数据光谱波段数量多,易造成“维数灾难”的问题,具体的,高光谱数据处理通常时间复杂度较高,限制了其在某些要求高时效性的行业上的应用,如火灾着火点探测、农作物病虫害探测等。为加速高光谱数据处理的速度,具体地,实现在线实时高光谱异常探测,本文基于摆扫型与推扫型两种高光谱成像仪,分别研究了相应的逐像元和逐行实时高光谱异常探测算法,以算法处理过程中所涉及的计算机浮点运算次数为计算时间复杂度的衡量指标,定量化分析了所提出算法的计算性能;同时,定量化对比分析了目前广泛使用的实时处理算法的计算性能,传感器参数对算法计算性能的影响以及各算法的适用性。本文利用地面光谱辐射测量系统(FISS)所采集的室内真实高光谱图像数据,以及航空高光谱图像SpecTIR Avon模拟数据,进行了逐像元以及逐行实时异常探测仿真实验,定量化分析本文所提出的逐像元和逐行实时异常探测算法的探测精度以及计算性能,主要成果和结论如下:(1)证明了高光谱异常探测中背景统计矩阵的正定对称性,通过Cholesky分解因子与下三角线性方程组系统求解过程,对背景压制过程进行优化,无需进行复杂的高维矩阵求逆运算,避免了舍入误差的累计所引起的数值计算精度损失,提高了计算速度。(2)针对摆扫型逐像元成像光谱仪,提出了移动背景下基于背景统计矩阵Cholesky分解一阶修正的逐像元实时异常探测算法。在逐像元实时处理过程中,可快速更新下一时刻所需背景统计信息,结合下三角线性系统求解过程,提高了逐像元实时处理的计算性能。由于逐像元实时异常探测过程主要涉及上一时刻Cholesky分解因子的更新,即下三角矩阵的更新,压缩了数据存储空间,有助于机载或星载高光谱成像仪实时处理。(3)针对推扫型逐像元成像光谱仪,提出了移动背景下基于Cholesky分解的逐行实时异常探测算法。由于逐行处理的计算性能主要由处理完成整个扫描行中所有像元的时间消耗决定,扫描行中像元数对逐行实时处理的计算性能影响较大。不同于摆扫型逐像元实时异常探测器,为加速整个扫描行的处理过程,逐行实时异常探测的过程中更新背景统计矩阵后,直接对其进行Cholesky分解,最后利用线性系统求解过程可快速处理当前时刻所获取的扫描行。(4)本文提出了移动背景估计法,即实时处理过程中,在背景中添加新像元信息的同时,删除旧像元信息。由于实际应用中在线实时异常探测器扫描覆盖区域较大,使用所有已获取的数据进行背景估计将造成过度地背景压制,降低异常探测精度。实验结果表明当使用最近所采集的少量样本进行背景估计时,弱信号异常能够从背景中分离出来。此外需要注意的是,相较于全局背景只涉及添加新像元的操作,在逐像元移动背景更新过程中,采用两次Cholesky分解因子的一阶修正过程,分别进行添加和删除的操作,单个像元的处理时间有所延长,但影响较小,可忽略不计;而在逐行移动背景估计过程中,直接在原始样本自相关矩阵上进行添加和删除操作,由于逐行实时处理的计算性能受整个扫描行中像元数的影响较大,移动背景更新过程中的删除旧扫描行的操作对整个扫描行的处理时间影响较小,可忽略不计。(5)本文对目前广泛使用的逐像元和逐行实时异常探测器的计算性能进行了定量化和对比性分析,针对不同的传感器,基于计算机浮点数运算次数,结合传感器的技术参数(即光谱波段数和扫描行像元数),给出了各算法的理论时间复杂度。有助于实际应用中选择计算性能最优的实时处理算法,提高实时处理的效率。(6)逐像元和逐行实时异常探测有助于目视解译背景压制效果的实时变化。由于异常目标的判定依赖于异常与背景像元响应强度的对比度,实时变化的背景能够防止弱异常信号被后续强信号所压制;同时3D-ROC曲线能够从探测率、虚警率、背景压制等方面综合评价异常探测器的性能。