目前目标探测多是利用图像来完成,但当探测距离较远或者周围有较多伪/假/干扰目标,其图像的纹理、形状等信息不明显,此时图谱关联探测能更好地进行目标探测识别,尤其是运动目标。不同的物质有不同的光谱曲线,因而物质的光谱特性具有唯一性,可作为物质判别的依据。但是探测系统获得的光谱在各个谱段上响应不完全相同,同时获得光谱信息会受到大气的吸收、散射、辐射等的影响,使得传感器的测量值与目标实际光谱辐射值不一致。另外,系统空间分辨率有限,获取的光谱可能为多种目标的混合光谱。目前光谱的特征提取方法大多集中在波形和降维的方法上,当光谱差异小时,这些特征提取方法对于识别就不再适用。针对上述图谱关联探测设备的问题,本文对图谱关联设备的光谱特性进行了研究,并建立了相应的数学模型来处理不同场景获取的实测光谱数据。针对图谱关联设备遥测目标红外光谱并进行目标识别任务,本文对系统的实测光谱进行了解混、辐射校正与大气校正研究来排除由测量条件产生的影响,其中解混方法包括光谱高斯混合模型的解混和图谱关联的解混方法,辐射校正方法为多点校正,大气校正使用MODTRAN大气传输模型。同时本文提出了分波段估计目标亮温与发射率的方法来提取反映目标本质的特征,便于探测系统区分各类目标。另外,本文还提出了利用光谱的稳定幅频/相频特征进行弱小差异光谱的识别方法和基于卷积神经网络与光谱特征转换的分类方法。图谱关联探测系统通过使用光谱解混、辐射校正、大气校正、幅频/相频特征与分波段估计亮温、发射率的技术,大大提高了目标的识别准确度,为图谱关联探测系统的精确目标探测识别可靠性提供了更有效的保障。