与普通的基于高空间分辨率遥感影像的目标探测算法不同,高光谱图像目标探测主要依据目标与地物在光谱特征上存在的差异进行检测识别。通常,由于高光谱图像较低的空间分辨率以及受到目标尺寸和地物复杂特性的影响,使得感兴趣目标在高光谱图像中往往处于亚像元级或弱信息状态。因此,传统的基于空间形态的目视解译方法无法实现对这类目标的探测识别。本课题的研究旨在应用图像融合技术及模式识别等方法,充分挖掘高光谱数据中的光谱和空间信息,实现对感兴趣目标有效探测。对于传统的正交子空间投影法,在进行目标探测之前,必须要已知背景光谱向量,然而在很多情况下,背景光谱的先验知识我们往往无法准确获取。而约束能量最小化算法在进行目标探测时无需背景光谱的先验信息,但该算法对大目标探测效果不佳,不能有效提取出目标轮廓。为此,提出了一种加权正交子空间投影算法,通过自定义的加权自相关矩阵估计背景,然后用正交子空间投影法来进行目标探测。改进后的算法有效降低了目标像素在样本自相关矩阵运算中所占的比重,对背景具有很好的抑制作用,克服了传统正交子空间投影法和约束能量最小化算法所固有的缺陷,实验结果显示具有较好的探测效果。