随着成像光谱技术的发展,高光谱图像的研究已经进入到对获取的高光谱数据进行有效处理和利用的阶段。高光谱图像具有光谱分辨率高、波段宽度窄、信息量大的特点,能够以较高的光谱诊断能力区分和检测地物目标,因此用高光谱图像进行目标检测的研究受到了广泛的重视。然而数据量大、数据维高、目标小等因素也给检测带来了很大困难,一些传统的目标检测方法已经无法取得良好的效果,因此有必要研究新的、有效的高光谱图像目标检测算法。在这样的背景下,本课题进行了以下几方面研究。首先,对高光谱图像的特性和目标检测方法进行了研究。在分析了光谱分辨率特性、空间相关性和波段间相关性后,采用特征提取进行数据降维,具体使用了主成分分析和独立分量分析的方法。随后介绍了RX检测算法,并提出了基于高阶矩的ROI提取和主成分目标特征选择两项改进措施,以进一步提高检测性能。其次,研究了多尺度几何分析在目标检测上的应用,提出了基于Curvelet变换的高光谱图像目标检测方法。当前以Curvelet为代表的多尺度几何分析方法具有良好的方向性、快速的收敛性和表达的稀疏性,比小波变换更适合处理图像信号。论文详细阐述了Curvelet变换及其实现,重点研究了用Curvelet变换增强高光谱图像目标特征的方法,并通过对比实验验证了算法的有效性与优越性。最后,论文用多分辨率分析方法研究了空间、光谱和辐射分辨率对于目标检测的影响。通过介绍高光谱成像光谱仪,可以了解到研究所用图像的成像原理、过程和参数。然后分别提出空间、光谱和辐射的多分辨率分析方法,以此获得不同分辨率的高光谱图像。其检测结果显示各分辨率会对检测产生不同程度的影响,可以根据需要确定合适的分辨率,在检测效果与成像代价之间达到良好折衷。