异常目标检测是当前高光谱图像处理中的一个研究热点。针对当前异常目标检测算法存在的问题, 从解决高光谱图像中含有的背景、异常目标和噪声等相关量出发, 利用高光谱图像的空间谱和光谱特性, 提出了联合低秩张量分解和稀疏表示的新的高光谱图像异常目标检测算法。该算法首先利用低秩张量分解模型对高光谱进行图像恢复, 使图像质量得到提升, 从而使得异常目标变得突出, 易于进行目标检测; 然后, 再利用稀疏差异指数进行异常目标检测, 得到需要的异常检测结果; 最后, 利用真实的高光谱图像进行仿真实验, 结果表明, 新的异常目标检测算法具有检测精度高、虚警率低和鲁棒性好的特点。

经典的RX异常检测算子假设背景数据信息符合高斯分布, 但是由于高光谱图像混有大量的加性噪声, 使得图像产生退化, 背景信息并不完全符合这类分布。针对这一问题, 提出了基于低秩张量分解的高光谱图像RX异常目标检测算法。该方法首先利用高光谱图像的张量数据结构和低秩数据特性, 引入低秩张量分解方法对高光谱图像进行数据恢复, 使得异常目标信息相比于复杂背景信息变得突出; 再利用RX异常检测算子对恢复之后的高光谱图像进行异常目标检测; 最后得到异常目标检测结果。通过仿真实验对比, 提出的新的异常目标检测方法具有检测精度高、虚警率低和鲁棒性好的特点。

针对空间低照度环境下，互补金属氧化物半导体(CMOS)相机成像视觉效果不佳的问题，基于张量优化的图像融合方法研制一款高动态范围的微光相机。分析基于科学互补金属氧化物半导体(sCMOS)图像传感器亮暗场双通道 ADC的电路特性，利用同源双通道图像数据构建三阶特征张量，通过对特征张量的平行因子分析，以融合图像动态范围最优为评价函数，引入拉格朗日乘数法作为张量分解的优化算法，实现实时的高分辨力高动态范围成像。研制一款基于 LTN4625的微光相机，并进行成像实验。仿真实验结果表明，相机实现了 50帧/s， 4 608×2 592像素的高分辨力高动态范围成像，图像动态范围从低增益数据的 5.2 dB和高增益数据的 11.4 dB提高到了 54.7 dB。该设计是一种微弱光环境下动态响应范围高、成像效果好的微光相机设计方法。

高光谱图像在****和民用领域都有大量的应用, 特别是异常目标检测不需要任何先验信息, 使其成为高光谱图像处理和信息提取的关键技术和研究热点之一。通过系统的梳理、分析和研究, 对现有的异常目标检测算法进行了深入的归纳和总结, 并对高光谱图像异常目标检测涉及到的关键问题、未来的技术发展方向(如稀疏表示、张量分解和深度学习等)以及算法存在的问题进行了分析评价, 提出了一些具有创新性的观点并预测了未来的研究趋势。

针对多曝光图像融合中存在细节丢失和颜色失真等问题, 本文提出了一种基于张量分解和卷积稀疏表示的多曝光图像融合方法。张量分解作为一种对高维数据低秩逼近的方式, 在多曝光图像特征提取方面有较大的潜力, 而卷积稀疏表示是对整幅图像进行稀疏优化, 能最大程度地保留图像的细节信息。同时, 为了避免融合图像出现颜色失真, 本文采取亮度与色度分别融合的方式。首先通过张量分解得到源图像的核心张量; 然后在包含信息最多的第一子带上提取边缘特征; 接着对边缘特征图进行卷积稀疏分解, 继而利用分解系数的L1范数来得到每个像素的活跃水平; 最后用“赢者取全”策略生成权重图, 从而加权得到融合后的亮度分量。与亮度融合不同的是, 色度分量则采用简单的高斯加权方式进行融合, 在一定程度上解决了融合图像的颜色失真问题。实验结果表明, 所提出的方法具有良好的细节保留能力。