高光谱目标探测是运用光谱分析和计算机视觉技术,从高光谱图像上探测出含有目标物的像元位置的技术。它是高光谱图像处理的一个分支,被广泛应用于军事、农业等领域。随着无人机技术与光谱成像技术的发展,无人机航拍的高分辨率高光谱图像(high-resolution hyperspectral image,HRHSI)应运而生。相比与传统的低分辨率高光谱图像,HRHSI具有其自身特点,传统的面向低分辨率高光谱图像的目标探测算法在HRHSI上难以取得令人满意的效果,迫切需要发展一套HRHSI上的目标探测算法。为此,本文对面向HRHSI的目标探测算法展开了深入研究,研究工作主要包括:一、提出了一种新的角点特征——极值约束空谱域角点(extreme-constrained spatial-spectral corner,ECSSC)及其提取算法。鉴于角点特征在图像处理与模式识别中的良好表现,以及现有的三维角点特征提取算法充分考虑高光谱图像上空间和光谱上的特性的问题,本文提出一种新的高光谱图像角点特征ECSSC及其提取算法,提取在空间域显著变化和谱域缓慢变化的特征点。实验结果表明所提算法能够提取丰富的具有高重复率的HRHSI角点特征,在所提出的基于ECSSC的图像级分类算法中取得了令人满意的分类准确率。二、提出了一种新的基于ECSSC的HRHSI目标探测算法。该算法包括了两个阶段。在阶段一中,基于所提取的ECSSC以及本文所提出光谱曲线空间金字塔匹配(spectral curve spatial pyramid matching,SC-SPM)模型搜索潜在目标区域。在阶段二中,利用SC-SPM核和图像表征模型,结合所提出的定位框膨胀策略以精确地定位目标。在不同场景、不同光照、不同尺度下的实验表明所提算法要远优于传统目标探测算法。三、提出了一种基于双流特征提取模型的HRHSI目标探测算法。针对HRHSI目标样本少,深度学习训练难以收敛的问题,本文提出了一种基于双流特征提取模型的HRHSI目标探测算法。该算法利用双流网络提取高光谱图像特征,一路在HRHSI的光谱域上进行一维卷积提取特征,另一路在空间域上进行二维卷积提取特征,然后对这两路特征进行融合;接着,利用训练数据构建目标-背景特征空间(T-B特征空间),通过计算测试样本在该空间的内嵌距离得到目标置信度以完成目标探测。实验结果表明,所提出的目标探测算法优于其他算法。四、设计和实现了一个HRHSI目标探测系统,实现了可视化光谱图像、光谱波段合成、图像增强处理、各类高光谱图像目标探测算法等功能。