水下机器人在进行水下作业时,遇到复杂水下环境或检测目标具有保护色的情况下,很难仅利用普通RGB图像通过传统目标检测技术检测到目标。而高光谱图像技术利用了光谱探测技术,在成像时每个空间像元都经过了色散,使得图像可以获取到数百个通过连续光谱覆盖而形成的窄波段,包含了有关目标物的丰富光谱特征,充分结合了空间域信息与光谱域信息,使其在后续的图像处理与检测时能够起到更好的效果。因此,在一些传统目标检测技术检测效果较差的情况下,高光谱目标检测技术仍能发挥出较好的检测效果。但是,随着光谱信息量与图像维度的增加以及数据冗余程度的提高,使得高光谱图像的数据量变得十分庞大,极大地影响了图像的成像速度和处理速度,直接使用高光谱目标检测技术难以满足水下机器人对水下作业的需求。本文的主要研究内容是有关水下高光谱目标检测的波段选择方法的应用,在保证良好检测效果的前提下,通过波段选择技术对高光谱图像进行数据降维,提高水下高光谱目标检测的整体效率。具体研究内容如下:（1）为了解决水下高光谱目标检测过程中数据冗余量大、处理速度过慢的问题,需要结合波段选择的方法进行高光谱目标检测,所以本文提出了一种基于最佳邻域重构指数（Optimal Neighborhood Reconstruction Index Factor,ONRIF）的水下高光谱目标检测方法。该方法通过线性重构的思想进行邻域寻优,再进行去除波段相关性的操作,选出信息量高且冗余度低的波段组合,并使用所选波段的融合图像进行约束能量最小化检测。通过真实水下数据集和公开数据集的实验验证,该方法与所对比的几种方法相比,更接近全波段图像检测的效果。（2）针对水下高光谱数据成像与采集速度过慢的问题,本文提出了一种在相同环境下对同类目标物的单波段快速采集检测方法。该方法首先通过本文提出的波段选择方法,获得检测环境中针对目标物的最佳波段组合,然后直接采集同类目标物所对应的最佳波段组合中的各单波段图像,最后将各单波段图像进行融合检测。实验结果表明,该方法大幅度提高了光谱数据的采集速度,并有较好的检测效果。