近日，《人民日报》发布的一则新闻引起了国内外的广泛关注，即谷歌地图开始以最大分辨率提供俄罗斯所有军事和战略设施的卫星图像。目前，包括各种洲际弹道导弹发射井、指挥所、秘密试验场等在内的俄战略要地均可以每像素约0.5米的分辨率查看，图1为新闻截图。

图1 谷歌地图开放俄罗斯军事和战略设施卫星图像

　　从新闻中的图片，我们可以看到谷歌地图所提供的相关目标十分清晰。如图2，随着遥感成像设备的快速发展，遥感影像的相关检测技术被广泛应用被广泛应用在资源调查、灾害监测、军事侦察、城市规划、灾害预防等重要领域。该技术的发展扩大了人类探索宇宙的视野，将人类对地球环境和资源的监测和研究推进了一个新的阶段。谷歌地图就是一个典型的例子。

图2 遥感影像相关应用

　　目前的遥感影像采集与成像技术发展趋势可以简要概括为两点：1）空间分辨率越来越高；2）光谱分辨率越来越高。空间分辨率，是指遥感图像上能够详细区分的最小单元的尺寸或大小，是用来表征影像分辨地面目标细节的指标，图3展示了一个高空间分辨率的遥感图像示例。而光谱分辨率是指传感器所能记录的电磁波谱中，某一特定的波长范围值，波长范围值越宽，光谱分辨率越低[1]。

图3 高分遥感影像

如图4所示，高光谱遥感影像具有图谱合一的特点，携带了丰富的地物细节信息，不但能够获得地面目标的空间特征，又能获得其丰富的光谱信息，可定性定量地对被测目标进行分析和识别[2]。高光谱图像可以获得数百个地面物体的窄光谱波段。丰富而详细的光谱信息为感兴趣的目标提供了独特的诊断能力。高光谱遥感图像是包含两个空间维度和一个光谱维度的三维立方体，其光谱维度由数百个连续的窄带组成，这些窄带通常包括的可见光、近红外、短红外、中红外甚至紫外光。

图4 遥感高光谱图像[3]

　　而目标检测任务是高光谱遥感应用技术的典型代表。本质上来说，高光谱遥感目标检测是一个将图像分为背景和目标的二元分类问题。如图1新闻中的飞机、军事设施建筑群等就是需要检测的目标。而根据目标光谱特性是否已知，通常将检测技术分为两大类，即已知信息检测和未知信息检测，后者往往被称为异常信息检测[4]。二者是目前学术界和工业界的研究热点之一，有很多学者也做出了非常杰出的工作，前者本文不再赘述，而后者则是本文的科普重点。在实际应用中，目标光谱的特性往往受到照明、环境、传感器平台和周围地物的影响，地面物体的光谱曲线通常是不确定的。在这种情况下，相较于已知目标光谱特征的检测方式，针对未知信息的异常目标检测往往更具有实用价值和推广价值。基于此，问题的关键转化为对异常的定义。

　　通常，高光谱图像的信息异常是指由于非典型地物的存在而引起的一种光谱不规则性，此处的非典型地物往往指的就是检测系统使用者所关心的目标，而异常主要就是相对于周围环境而言，例如森林中受感染的树木、地质应用中的稀有矿物，以及用于防御和监视空中搜索的人造物体、车辆和飞机等，在阿富汗战争期间，美军利用高光谱遥感仪器，可以探测出塔利班武装晚上经常走的道路。高光谱遥感技术还可以发现隐蔽的哨所、坦克，伪装起来的军事设施[5]。根据不同的应用场景，异常目标有不同的实体。但严格来说，异常目标尚未被准确定义，这也主要是因为其往往是未知的，学术界一般将其定义为偏离正常背景的有一定意义的杂波分布，其具有发生概率低、面积小以及与周围像素光谱严重差异的特点。

　　在过去的几十年中，研究者们已经开发了许多用于高光谱异常检测的算法。但仍旧面临两个主要的问题，即算法的参数敏感问题和实时性问题。在实际应用中，使用者很可能是对算法了解很少或根本不了解的非专业人员，由于缺乏参数设定经验，非专业人员选择的参数往往不是最优的，进而导致检测效果不理想。因此，算法的一大发展方向就是减少自由参数的数量，以增加实用性和推广性。此外，随着自动化与智能化技术的发展，采集端实时进行异常检测并将结果传输到地面终端进行智能决策已成为主要的发展趋势。目前，对异常检测算法的实时性改进主要是软硬件并进的状态，软件层面注重对算法的实时性优化，硬件层面则注重设计专用系统。

　　高光谱成像以及遥感系统的研制一直是西安光机所的主责主业，多年以来，西安光机所取得了一列的荣誉和奖项，如2007年10月，西安光机所承担研制的CCD立体相机和干涉成像光谱仪随“嫦娥一号”卫星顺利发射上空，11月，发布中国首次月球探测工程第一幅月面图像。2008年9月，西安光机所为神七飞船成功研制了箭载摄像机、舱内摄像机光学系统特别可喜的是，西安光机所研制的舱外摄像机成功拍摄和记录了我国航天员首次出仓的画面，见证了中国人首次进行太空行走的历史性壮举。2009年2月，国家三大部联合授予我所“中国载人航天工程突出贡献集体”荣誉称号。2009年9 月，西安光机所“光学遥感团队”荣获“全国专业技术人才先进集体”荣誉称号。通过凝炼和提升科技创新目标，西安光机所所不断开拓进取，实现了高质量的可持续发展。

参考文献:

[1] 彭望琭．遥感概论：高等教育出版社，2002;

[2] 童庆禧, 张兵, 郑兰芬. 高光谱遥感:原理、技术与应用. 高等教育出版社, 2006. 

[3] Su H, Wu Z, Zhang H, et al. Hyperspectral Anomaly Detection: A Survey[J]. IEEE Geoscience and Remote Sensing Magazine, 2021.

[4] Chang C I, Chiang S S. Anomaly detection and classification for hyperspectral imagery[J]. IEEE transactions on geoscience and remote sensing, 2002, 40(6): 1314-1325.

[5]搜狐网. 高光谱遥感就是“火眼金睛”. https://www.sohu.com/a/1600089