1.一种高光谱图像异常检测方法，其特征在于，所述方法包括：对待检测的高光谱图像矩阵进行分割，获取固定窗口区域和超像素的区域；

将待检测的高光谱图像矩阵转换为全局二维图像矩阵；

针对全局二维图像矩阵、固定窗口区域和超像素的区域，分别使用锚点生成模型处理和局部马氏距离模型处理，获得三种异常检测结果；

其中使用锚点生成模型处理包括：计算目标区域内每个像素点与均值向量的马氏距离；根据每个像素点与均值向量的马氏距离对所有像素点进行升序排序，获得图像矩阵；循环计算所述图像矩阵 中每个像素点与其他像素点之间的马氏距离，筛选马氏距离小于距离阈值的像素点获得点集 ；筛选出像素点的数量大于数量阈值的点集进行分析平均值，获得锚点和锚点集；

其中使用局部马氏距离模型处理包括：计算像素点与最近锚点的马氏距离，得到该像素点的异常分数，从而得到异常检测结果；

将三种异常检测结果考虑逻辑“或”“与”操作进行融合，得到最终异常检测结果。

2.根据权利要求1所述的方法，其特征在于，获取固定窗口区域的方法包括：将高光谱图像矩阵 划分为z个 的非重叠块的固定窗口区域 ；其中，L、M、B分别表示高光谱图像的长、宽和波段数量， ， 表示固定窗口区域的长、宽；

和/或，获取超像素的区域的方法包括：

利用主成分分析PCA对高光谱图像矩阵 进行降维，其中，L、M、B分别表示高光谱图像的长、宽和波段数量；

利用超像素分割算法SLIC将降维后的高光谱图像矩阵分割为c个超像素的区域 。

3.根据权利要求1所述的方法，其特征在于，将待检测的高光谱图像矩阵转换为全局二维图像矩阵，包括：将高光谱图像矩阵 转换为全局二维图像矩阵 ，其中，L、M、B分别表示高光谱图像的长、宽和波段数量，所述全局二维图像矩阵是由K个1×B的像素点组成，其中，K=L*M。

4.根据权利要求1所述的方法，其特征在于，计算目标区域内每个像素点与均值向量的马氏距离，包括：；

其中， 为像素点X与均值向量的马氏距离，μ为均值向量，T表示矩阵的转置， 为协方差矩阵， 为协方差矩阵的逆矩阵；M表示高光谱图像的宽；所述均值向量的表达式为：；

其中， 表示第l个像素点，K=L*M。

5.根据权利要求1所述的方法，其特征在于，计算所述图像矩阵 中每个像素点与其他像素点之间的马氏距离，包括：两个像素点之间的马氏距离的计算公式为：

；

其中， 为像素点X和像素点Y之间的马氏距离；M表示高光谱图像的宽； 为协方差矩阵， 为协方差矩阵的逆矩阵。

6.根据权利要求1所述的方法，其特征在于，筛选马氏距离小于距离阈值的像素点获得点集 ，包括：；

其中， 表示第g个点集， 表示所述图像矩阵 中的第h个向量， 表示所述图像矩阵中的第 个向量，  为非负数，gamma为距离阈值。

7.根据权利要求1所述的方法，其特征在于，筛选出像素点的数量大于数量阈值的点集进行分析平均值，获得锚点Sg和锚点集S，包括：；

其中， 表示通过数量阈值筛选后的第g个点集的元素个数， 表示通过数量阈值筛选后的第g个点集中的第q个元素，  表示1到 的全部元素之和；

所有锚点的集合称为锚点集；所述锚点集S的表达式为：；

其中， 表示筛选后的第p个点集的平均值，即第p个锚点。

8.根据权利要求1所述的方法，其特征在于，计算像素点与最近锚点的马氏距离，得到该像素点的异常分数，包括：；

其中，  K为像素点总数， 为第l个像素点 与最近锚点的马氏距离，为第l个像素点 与第g个锚点Sg的马氏距离；M表示高光谱图像的宽。

9.根据权利要求1所述的方法，其特征在于，将三种异常检测结果考虑逻辑“或”“与”操作进行融合，得到最终异常检测结果，包括：；

；

；

其中，Final表示最终异常检测结果，OR表示逻辑“或”，AND表示逻辑“与”，R1、R2、R3分别表示三种异常检测结果， 代表权重参数。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至9任一项所述的方法。