1.一种基于配准的高光谱异常检测方法，其特征在于，包括如下步骤：步骤1，对原始高光谱图像进行数据增强，得到增强后的高光谱图像；

步骤2，提取增强后的高光谱图像中每个像素点的特征矩阵，包括局部源矩阵、全局源矩阵以及目标矩阵；具体过程如下：步骤2.1，提取局部源矩阵

步骤2.1.1，以待提取特征矩阵的像素点为中心，设定窗口大小为a，选取大小为a×a×C的多通道矩阵；

步骤2.1.2，将步骤2.1.1选取的多通道矩阵的外边界像素点元素重新排列成大小为

2 2

[a‑(a‑2) ]×1×C的新多通道矩阵；

步骤2.1.3，将待提取特征矩阵的像素点添加到步骤2.1.2得到的新多通道矩阵最后一

2 2

行，组成[a‑(a‑2) +1]×1×C大小的多通道矩阵，即局部源矩阵；

步骤2.2，提取全局源矩阵

步骤2.2.1，利用RX异常点检测算法对原始高光谱图像进行背景选取，选取异常值最低

2 2 2 2

的[a‑(a‑2) ]个像素点作为背景，形成[a‑(a‑2) ]×1×C大小的多通道矩阵；

步骤2.2.2，将待提取特征矩阵的像素点添加到步骤2.2.1形成的多通道矩阵最后一

2 2

行，组成[a‑(a‑2) +1]×1×C大小的多通道矩阵，即全局源矩阵；

步骤2.3，提取目标矩阵

步骤2.3.1，以待提取特征矩阵的像素点为中心，窗口大小为a，选取大小为a×a×C的多通道矩阵；

步骤2.3.2，设定一个大小为w的窗口，以步骤2.3.1选取的多通道矩阵外边界每个像素

2 2

点为中心，计算中心周围w×w×C范围内所有像素点的均值，组成[a‑(a‑2)]×1×C大小的多通道矩阵；

步骤2.3.3，以待提取特征矩阵的像素点为中心，计算其周围w×w×C范围内所有像素

2 2

点的均值，将均值添加到步骤2.3.2组成的多通道矩阵最后一行，组成[a‑(a‑2)+1]×1×C大小的多通道矩阵，即目标矩阵；

步骤3，将每个像素点的局部源矩阵、全局源矩阵分别与目标矩阵进行一阶空间点云配准操作，得到局部像素点相似度值和全局像素点相似度值；增强后的高光谱图像中所有像素点的局部像素点相似度值组成局部像素点相似度矩阵，所有像素点的全局像素点相似度值组成全局像素点相似度矩阵；

步骤4，利用局部像素点相似度矩阵、全局像素点相似度矩阵分别对原始高光谱图像进行异常检测，得到局部检测结果图和全局检测结果图，将局部检测结果图和全局检测结果图进行融合，得到最终异常检测结果；具体过程如下：步骤4.1，对局部像素点相似度矩阵和全局像素点相似度矩阵分别进行归一化处理，得到归一化后的局部像素点相似度矩阵R1和归一化后的全局像素点相似度矩阵R2；

步骤4.2，计算R1和R2的差，得到误差矩阵R3；

步骤4.3，去除误差矩阵R3中大于等于零的元素，保留负数元素，得到矩阵R4，计算R2和R4的和，得到修正后的矩阵R5；

步骤4.4，计算R1和R5的和，得到融合后的结果矩阵R6；

步骤4.5，将矩阵R6归一化，再利用归一化后的矩阵进行异常检测，得到最终异常检测结果。

2.根据权利要求1所述的基于配准的高光谱异常检测方法，其特征在于，所述步骤1中的数据增强是对原始高光谱图像进行镜像翻转操作，具体过程如下：步骤1.1，设定原始高光谱图像的大小为A×B×C，其中，A、B和C分别为原始高光谱图像的高、宽和维度，设定零矩阵DATA，DATA的大小为3A×3B×C，将原始高光谱图像复制到DATA的中心区域，即将原始高光谱图像复制到DATA的第A+1行到第2A行，第B+1列到第2B列；

步骤1.2，将中心区域数据水平翻转至DATA的左半部分，即将中心区域数据翻转至DATA的第A+1行到第2A行，第1列到第B列；

步骤1.3，在步骤1.2的基础上，将中心区域数据水平翻转至DATA的右半部分，即将中心区域数据翻转至DATA的第A+1行到第2A行，第2B+1列到第3B列；

步骤1.4，将步骤1.3得到的矩阵的第A+1行到第2A行向上垂直翻转，即将步骤1.3得到的矩阵的第A+1行到第2A行复制至从第A行到第1行，所有列和深度不变；

步骤1.5，将步骤1.3得到的矩阵的第A+1行到第2A行向下垂直翻转，即将步骤1.3得到的矩阵的第A+1行到第2A行复制至从第3A行到第2A+1行，所有列和深度不变；

步骤1.6，对经过步骤1.4和1.5得到的矩阵，将其第A行、第2A+1行、第B列以及第2B+1列删除，得到增强后的高光谱图像。

3.根据权利要求1所述的基于配准的高光谱异常检测方法，其特征在于，所述步骤3中，将每个像素点的局部源矩阵、全局源矩阵分别与目标矩阵进行一阶空间点云配准操作，得到局部像素点相似度值和全局像素点相似度值，具体过程如下：步骤3.1，设定局部源矩阵或全局源矩阵为S，目标矩阵为T；

步骤3.2，计算矩阵S两两通道之间的欧式距离，得到对角线为零的对称矩阵s；计算矩阵T两两通道之间的欧式距离，得到对角线为零的对称矩阵t；

步骤3.3，计算对称矩阵s与对称矩阵t中处于相同位置的两个元素之差的绝对值，得到对称矩阵c，即对称矩阵c的元素为：cij＝|d(si,sj)‑d(ti,tj)|

其中，cij表示对称矩阵c第i行第j列的元素，d(si,sj)表示矩阵S通道si与sj之间的欧式距离，d(ti,tj)表示矩阵T中通道ti与tj之间的欧式距离；

步骤3.4，使用高斯函数对对称矩阵c的元素进行加权，得到新矩阵c*，并计算c*中的所有元素之和，即：其中，Sum表示c*中的所有元素之和，即局部像素点相似度值或全局像素点相似度值；

φ(·)表示高斯函数。

4.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的基于配准的高光谱异常检测方法的步骤。

5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于配准的高光谱异常检测方法的步骤。