1.一种高光谱图像目标检测方法，其特征在于，包括如下步骤：S1、获取原始高光谱图像，并将所获取的原始高光谱图像重塑为像素集合矩阵；

S2、定义动态滤波系数向量以及对称正定矩阵，并利用所定义的动态滤波系数向量以及对称正定矩阵构建用于高光谱目标检测的强化约束能量最小化模型；

S3、定义拉格朗日向量，利用拉格朗日乘子法将所述动态滤波系数向量的求解公式进行转化；

S4、设计带有抗噪声的非线性和有界约束自适应梯度神经网络滤波器，利用所设计的滤波器实时求解动态滤波系数向量；

S5、利用S4所设计的滤波器迭代优化所述动态滤波系数向量，通过优化后的动态滤波系数向量过滤输出图像，并利用二值化方法提取所需图像的特征向量。

2.根据权利要求1所述的高光谱图像目标检测方法，其特征在于，所述S1中像素集合矩阵表示为：；

式中， 为实数， 为像素集合矩阵， 为像素向量，为像素向量编号， 为原始高光谱图像的像素，为原始高光谱图像的波段数。

3.根据权利要求2所述的高光谱图像目标检测方法，其特征在于，所述S2中于高光谱目标检测的强化约束能量最小化模型表示为：；

；

式中， 为取最小值函数， 为约束； 为共轭转置； 为时间；

为对称正定矩阵； 为线性权项权重； 为先验期望特征向量集合矩阵； 为系数向量； 为动态滤波系数向量。

4.根据权利要求3所述的高光谱图像目标检测方法，其特征在于，所述S3中转化后的动态滤波系数向量的求解公式表示为：；

其中， 为转换矩阵， 为动态滤波系数向量转换向量，为系数转换向量，为原始高光谱图像的波段数，为像素向量编号， 的最优解也是动态高光谱图像的最优解也是动态高光谱图像，表示为：；

式中， 为拉格朗日向量。

5.根据权利要求4所述的高光谱图像目标检测方法，其特征在于，所述S4中带有抗噪声的非线性和有界约束自适应梯度神经网络滤波器表示为：；

式中，为动态滤波系数向量转换向量 对时间求导， 为噪声项，为误差函数，为对误差函数 求偏导后的转置， 为激活函数， 为自适应系数且：；

其中，和 为调控算法的精度的参数，为正常数， 表示 的2范式。

6.根据权利要求1所述的高光谱图像目标检测方法，其特征在于，所述S5中过滤输出图像的具体方式为：；

式中， 为过滤后的输出图像， 为原始高光谱图像， 为优化后的动态滤波向量的转置。