1.面向任意形状BOIs的高光谱自适应压缩传感方法，其特征在于该方法包括以下步骤：步骤(1)、获取高光谱图像；

步骤(2)、使用空间光谱维去相关法(SSDC)获取最优波段的高光谱图像；

步骤(3)、获取上述波段的高光谱图像的平均灰度值，并以该平均灰度值作为阈值，对图像进行二值化处理，得到二值掩码高光谱图像；

步骤(4)、基于二值掩码进行高光谱图像的自适应压缩传感

4.1 对二值掩码高光谱图像的初步提取目标区域构建其最大内接矩形；

最大内接矩形的面积：

maxSrec＝0.5×|x1×y2-x2×y1+x2×y3-x3×y2+x3×y4-x4×y3+x4×y1-x1×y4|s.t.Pi(i＝1，2，3，4)∈Q

(y2-y1)×(y4-y1)-(x2-x1)×(x1-x4)＝0(y4-y1)×(x3-x2)-(y3-y2)×(x4-x1)＝0(y2-y1)×(x4-x3)-(y4-y3)×(x2-x1)＝0    (2)式中，Pi为矩形的顶点；xi和yi为对应矩形顶点Pi的x轴和y轴的坐标值；Q为目标区域；qk为目标区域的边界点；Pr为Pi组成的矩形区域；

4.2针对所有剩余目标区域块，判断每个区域块的最大内接矩形最短边长是否满足大于阈值，若不满足则跳转至步骤4.4对该区域块进行单光谱压缩感知，若满足则保留该最大内接矩形，并对该区域除最大内接矩形以外的剩余区域重复步骤4.2，直至所有剩余区域块全部完成压缩；

4.3对上述得到的各个最大内接矩形进行子张量化的张量压缩传感：具体如下：将上述4.2得到的矩形表示为三维高光谱向量X；其中 N1、N2、N3分别为高光谱图像3个维度的大小；三维高光谱向量的稀疏表达为：X＝S×1Ψ1×2Ψ2×3Ψ3         (3)

其中，S表示三维高光谱向量X在离散余弦变换矩阵Ψ1、Ψ2、Ψ3下的稀疏系数张量，其中只有K个非零值且 Ψi表示三维高光谱向量X在第i个维度上的离散余弦变换矩阵；×i表示稀疏系数张量S和第i个维度上的离散余弦变换矩阵Ψi的张量i-模乘；高斯随机矩阵Φ1，Φ2，Φ3分别作为三个维度的观测矩阵；将信号X投影到测量矩阵Y上：Y＝X×1Φ1×2Φ2×3Φ3+E     (4)

其中，X表示三维高光谱向量，是原始张量； 表示三维高光谱向量X的测量值， 表示误差项， 表示三维高光谱向量在第i个维度上的观测矩阵且Mi＜Ni，×i表示高光谱数据X与第i个维度上的观测矩阵Φi的张量i-模乘；

建立三维高光谱向量的张量压缩感知(TCS)模型：

Y＝S×1A1×2A2×3A3+E    (5)

Ai＝ΦiΨi(i＝1，2，3)    (6)

其中，Ai表示张量X在第i个维度上的观测矩阵和离散余弦变换矩阵的乘积，称为三维高光谱向量X在第i个维度上的压缩感知矩阵；×i表示稀疏系数张量S和第i个维度上的压缩感知矩阵Ai的张量i-模乘；根据测量值Y和各个维度上的压缩感知矩阵A1、A2、A3，利用张量正交匹配追踪算法求解式(5)，得出稀疏系数张量S，根据上式(3)稀疏系数S和三个维度上的离散余弦变换矩阵Ψ1、Ψ2、Ψ3得到重构出的所需的原高光谱图像X；

4.4单光谱压缩感知。

2.如权利要求1所述的面向任意形状BOIs的高光谱自适应压缩传感方法，其特征在于步骤4.4具体是高光谱数据通常表示为 其中d1×d2＝D为每个谱段的像元数，B为谱段数；对高光谱场景的稀疏采样目前基本是在空间域进行；由于每一谱段空间图像由按列堆叠形成的一维向量 构成，i＝1，...，B，对高光谱X所有谱段进行采样，即[y1，y2，…，yB]＝φ[x1，x2，…，xB]     (7)其中xi表示为第i谱段的高光谱，φ表示为离散余弦变换矩阵，yi表示第i谱段高光谱的稀疏采样值；

一般的信号本身并不是稀疏的，需要在某种稀疏基上进行稀疏表示，x＝Ψs，Ψ固定为随机高斯测量矩阵，s为稀疏系数(s只有K个非零值(K＜＜D))；所以，在第i个谱段的空间域上进行稀疏采样，可以表示为：yi＝φΨsi＝θsi             (8)

其中传感矩阵θ＝φΨ，si表示第i谱段高光谱的稀疏系数，通过OMP算法解出si的近似值si′，则原光谱信号为x′i＝Ψsi′。