1.一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，包括以下步骤：S1、对待检测的高光谱图像进行归一化处理；

S2、以归一化后的高光谱图像为输入，建立高光谱图像重建模型，所述高光谱图像重建模型包括全卷积网络和通道‑空间注意力模块，输出为通道注意力和空间注意力；

S3、将归一化的高光谱图像依次与通道注意力和空间注意力进行元素点乘，以得到注意力加权后的高光谱图像；

S4、将注意力加权后的高光谱图像的像素光谱与已知光谱模板作为高光谱匹配检测器的输入，进一步检测像素是否为目标像素。

2.根据权利要求1所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S2中，所述全卷积网络依次包括输入层、个卷积层和输出层，每个卷积层后连接批归一化层和激活函数；所述通道‑空间注意力模块包括通道注意力模块和空间注意力模块；

其中，个卷积层均采用二维多通道卷积，前 个卷积层的卷积核尺寸为3×3，且采用补零填充以保持卷积前后特征图的尺寸不变，卷积核的个数逐层递减；第 个卷积层采用1×1卷积，卷积核的数目与输入高光谱图像所包含的波段数目一致；激活函数选用修正线性单元ReLU。

3.根据权利要求2所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于， 所述S2的工作过程包括以下子步骤：S21、归一化后的高光谱图像经过全卷积网络后提取到特征图 ；

S22、通道注意力模块首先对特征图 分别进行全局平均池化和全局最大池化，其中，为特征图对应的通道数，为特征图的高度， 为特征图的宽度；然后分别利用全连接层处理后相加，最后采用sigmoid函数将通道的权值限定在0 1之间，即可获~得尺寸为 通道注意力 ，如下式所示：

；

S23、空间注意力模块首先对 分别在通道上采用最大池化和平均池化进行处理，并将处理后的结果进行堆叠，然后通过卷积操作将通道数调整为1，最后利用sigmoid函数将空间的权值限定在0 1之间，即可获得尺寸为 空间注意力 ，如下式所示：~

；

S24、通过反相传播算法最小化模型输出与输入之间的误差，对模型参数以及注意力权值进行更新，使模型能够自动关注重要的特征，实现自适应的权值调整。

4.根据权利要求3所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，步骤S3包括以下子步骤：S31、将归一化后的高光谱图像 与通道注意力进行元素点乘，得到通道加权后的高光谱图像 ，表达式为：；

S32、对通道加权后的图像 ，继续与空间注意力进行元素点乘，得到通道‑空间加权后的图像 ，表达式为：。

5.根据权利要求4所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S4包括以下子步骤：S41、将通道‑空间加权后的高光谱图像的像素光谱与已知光谱模板作为高光谱匹配检测器的输入来计算二者的相似度；

S42、将计算得到的相似度值与预设的检测阈值进行比较，若相似度超过检测阈值，则判定对应像素点为目标，否则判定对应像素点为背景。

6.根据权利要求4所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S41中，选用自适应余弦估计高光谱检测器来进行高光谱目标检测，其中自适应余弦估计高光谱检测器的表达式如下：；

其中， 为自适应余弦估计器的检测值，用来衡量待检测光谱与模板光谱的相似度，是注意力加权后高光谱图像 中的像素光谱，是已知的目标模板光谱，表示转置，是由下式估计得到的协方差矩阵：；

在上式中，是待检测图像中包含所有像素点的数目， ； 为注意力加权后高光谱图像 中第 个像素光谱； 为注意力加权后待检测像素光谱的均值，即：。