近年来，随着高光谱成像技术的发展，高光谱影像的目标检测算法日益受到关注。高光谱影像光谱分辨率较高，且具有图谱合一的特点，每一个波段形成一幅图像，同一像元的不同波段连起来又形成一条连续的光谱曲线，这使得其在目标检测中有独特的优势。另一方面，由于传感器空间分辨率有限，加上地物分布复杂，有时会出现目标的大小小于一个像元，和多种地物混合在一起的情况，这种情况下的目标称为亚像元目标。混合像元的光谱与目标差别较大，难以识别。这使得亚像元目标检测成为高光谱信息处理的难点问题，加上大气、光照等条件的影响，更加大了目标检测的难度。在高光谱影像亚像元检测时，现有的方法多假设影像的噪声服从多元正态分布。然而，该假设并不完全符合高光谱影像中的实际情况。在对高光谱图像中噪声分布模型进行了仔细研究后，我们发现噪声梯度的分布同样符合多元正态分布。为了提高亚像元检测的检测效果，有必要将该先验引入目标检测算法。本文针对高光谱亚像元检测问题展开研究，提出了新的目标检测算法。本文的主要研究内容如下：(1)根据噪声梯度分布的先验，对现有的线性混合模型进行改进，提出了混合梯度模型；(2)将本文提出的混合梯度模型引入统计假设检验框架，提出两种混合梯度探测器，分别对应结构背景假设和非结构背景假设。与传统的高光谱亚像元目标检测算法相比，本文提出的算法有如下优点：(1)对噪声分布的描述更符合实际情况，因此抗干扰性较强；(2)改进了像元混合模型，对亚像元目标有更好的检测效果。