随着人们对海洋环境越来越重视,海面溢油检测和处理也同样受到广泛的关注。溢油不仅破坏海洋的生态环境,同时溢油中含有大量毒性物质,严重影响着人类的健康。因此,对于海面溢油的检测和处理工作显得尤为重要。在海面溢油的图像数据获取中,高光谱图像技术因为包含丰富的光谱信息细节而受到重视。海面溢油检测的方法通常分为人工辅助检测和自动化检测两类。人工辅助检测是指通过在实验室中模拟海面溢油的情况来获取溢油的光谱信息,建立一个不同情况下的溢油反射率光谱库。自动化检测方法是在溢油信息和背景信息都未知的情况下,自动的从图像信息中得到溢油目标光谱和背景参数等信息。两种方法相比较,人工辅助的方法有更高的检测准确度,但在实际应用中受各种环境因素影响大,其应用有限。自动化检测能从图像中直接获取所需的目标信息,对复杂环境下的溢油仍然具有检测能力,并且随着高光谱目标检测算法的改进,自动化溢油检测的准确度也在相应的提高。在国内近几年的溢油检测工作中,大多数是基于人工辅助的方法去分析和研究的。本文着重于从自动化检测的角度出发,完成对海面溢油的检测工作。海面溢油检测的步骤分为两步,第一步从高光谱图像中获取溢油和背景的信息,第二步利用检测算法在图像中实现对溢油的检测工作。本文对于海面溢油的检测的研究工作包括以下:第一,本文研究了对高光谱图像的降维处理的方法,并对比主成份分析和最大成分分析两种方法的降维效果。第二,本文研究了纯像元指数算法,利用此算法从高光谱图像中提取出物质的纯像元光谱信息。第三,本文研究分析了一种基于溢油光谱吸收带特征匹配识别溢油光谱的算法,从提取出的纯像元中识别出溢油端元,并将其作为检测算法的目标参考光谱信息。第四,本文采用阈值分割法来获得背景参数。第五,结合前面的溢油和背景信息,本文采用自适应匹配滤波算法完成对海面溢油的检测工作。