针对逐像元处理的高光谱图像实时线性约束最小方差（LCMV）检测与分类算法计算量大、运行速度慢的问题，在LCMV检测与分类算法的基础上，提出了两种逐行的实时LCMV目标检测与分类算法。首先对LCMV算法进行了因果化，提出了逐行处理的实时因果LCMV（CR-LCMV）检测与分类算法，再利用Woodbury引理，推导出了逐行处理的实时递归因果LCMV（RCR-LCMV）检测与分类算法。实验结果表明：与LCMV检测与分类算法相比，两种新型实时算法均能在不影响检测精度的情况下实时地检测目标与对目标进行分类，且所需的数据存储空间大大降低；与逐像元处理的实时LCMV算法相比，两种新型实时算法可获得几乎与之相同的检测精度，计算复杂度大大降低，实时处理能力更强，算法在运行时间上具有明显的优越性。

提出了一种基于LKRX检测器的实时异常检测算法.利用局部因果滑动阵列窗, 使检测系统保持因果性.根据卡尔曼滤波器的递归思想, 利用Hermitian矩阵分块求逆引理和Woodbury引理, 将LKRX算法中核协方差矩阵以及其逆矩阵以递归方式更新, 避免了数据的重复计算和逆矩阵的求解, 大大降低了算法复杂度.通过真实数据进行实验, 结果表明, 与LKRX算法相比, 实时LKRX算法在保持相同检测精度的同时, 消耗更少的计算时间; 而与实时RX算法相比, 实时LKRX算法能够检测到更多的异常目标.

异常检测是高光谱遥感技术应用的一个重要方向.然而随着高光谱数据量的增大, 实时处理成为高光谱异常检测方法所面临的主要问题.基于此, 文中提出了一种新型的高光谱图像实时异常检测方法.随着数据的实时下行传输, 该异常算子仅仅利用了待检测像元之前已获取的所有像元信息, 而并没有用到尚未获取的像元信息, 使得数据边传输边处理成为可能;同时, 利用卡尔曼滤波器的递归思想, 用Woodbury引理从上一时刻的状态更新目前信息, 避免了重新计算历史信息及存储所有像元, 在大大缩短算法运行时间的同时, 大大降低了所需的存储空间.接收机特性曲线显示, 与传统异常检测算法相比, 这种新型实时算法可获得几乎相同的检测精度.在不影响检测效果的前提下, 时间复杂度曲线和算子运行时间可显示提出算法的时效性.与此同时, 提出的的状态更新公式不需要重新计算已有像元信息, 因此只需两个存储单元存储前一时刻的状态(协方差矩阵或相关矩阵)以及当前的新像元信息, 从而大大降低了算法所需的存储空间.