近日，空天信息研究所张良培所长团队在高光谱目标检测方面取得新进展，相关研究论文“Global Overcomplete Dictionary-Based Sparse and Nonnegative Collaborative Representation for Hyperspectral Target Detection”在IEEE Transactions on Geoscience and Remote Sensing（IEEE TGRS）发表。

IEEE Transactions on Geoscience and Remote Sensing（简称IEEE TGRS）是地球科学与遥感领域的一本顶级期刊，IEEE TGRS在遥感技术和地球科学领域具有很高的影响力，是中科院一区期刊，JCR分区位于Q1。该期刊的影响因子（IF=8.2）在近年来一直保持在较高水平，显示了其学术水平和影响力。

随着遥感技术的发展，高光谱图像在军事、安全、环境监测和资源勘探等领域具有广泛的应用。传统的高光谱目标检测方法，如子空间投影、光谱匹配和概率统计模型，往往依赖于特定的统计假设，且在某些条件下才能取得满意的检测结果。随着机器学习和深度学习的发展，基于表示学习和字典学习的高光谱目标检测方法逐渐成为主流。本文提出了一种新的基于表示学习和字典学习的高光谱目标检测（HTD）方法，称为全局超完备字典基础稀疏和非负协作表示（GODSNCR）检测器，该方法相较于其他基于表示的高光谱目标检测技术，在检测准确度和鲁棒性上都有显著的提升。