高光谱图像较高的光谱分辨率使其在光谱诊断方面具有良好的性能,因此非常适合从自然背景中提取人造目标。其中,高光谱图像异常检测算法不需要先验光谱信息就能够检测出跟背景存在光谱差异的目标,这一特性使其在目标检测领域受到广泛关注。同时光谱成像侦察技术的兴起对传统的军事伪装技术带来了巨大挑战,因此将光谱成像技术引入伪装效果评估,使得面对多元化的战争,能够更加全面的对战场生存能力及目标隐蔽性能进行评估,具有十分重要的现实意义。本文在对高光谱图像数据结构深入分析的基础上,重点对高光谱图像异常检测算法以及光谱成像技术在伪装效果评估方面应用做了研究。首先,对传统的高光谱图像异常检测算法分析,找出其不足,针对不足之处研究了基于降维算法的异常检测方法,并对高光谱图像数据降维算法进行研究,对基于最小噪声分离(MNF)变换的降维算法进行了改进。最小噪声分离变换中最重要的一步是对噪声协方差矩阵进行估计,本文采用邻域加权均值法以及使用Canny算子对噪声协方差矩阵进行估计,获得较好的降维效果以及异常检测结果。其次,将光谱成像技术引入到伪装效果评估。提出一种基于光谱信息的伪装评估方法,并定义欧氏伪装系数来对伪装效果进行定量分析,通过异常检测算法对伪装评估方法的可行性进行验证,结果表明该方法能够有效地反映出目标反光谱成像侦察的伪装效果。同时对欧氏伪装系数计算软件进行设计。