约束能量最小化(Constrained Energy Minimization,CEM)目标检测算法广泛应用于高光谱目标检测中。本文在分析CEM算法的推导过程后,发现图像像元的选择,可以改善自相关系数,因此提出一种改进的CEM目标检测算法。该方法首先对高光谱数据集进行光谱重排、一阶微分,增加目标与背景的差异性;计算目标光谱与数据集中光谱点的相似度,求取CEM算法的自相关矩阵时去除与目标相似度高的像元,减少自相关矩阵对目标的抑制。为进一步抑制背景,增加算法的普适性,加入对数算子。最后对合成高光谱数据和真实高光谱数据进行试验,结果表明,与传统算法相比,提出的算法可以对伪装目标进行有效识别,而且对小目标和大面积目标检测都具有适用性。