近年来,随着无人机技术的飞速发展和低空空域的逐步开放,小型无人机的应用已经遍及各行各业。然而消费级无人机的“黑飞”、“滥飞”对低空空域的安全造成了严重的威胁,但现有的雷达检测、射频检测、光电检测等方法在复杂背景和复杂天气下对具有透波特性和体积较小的非金属材料无人机的检测均存在漏检和误检问题。针对以上问题,本文引入多光谱成像技术,以目标材料的光谱特征研究为切入点,围绕低空背景下无人机目标的光谱特征及目标检测应用展开研究,通过短波红外多光谱图像,研究分析无人机目标与低空背景下常见目标的光谱特征差异和无人机目标在低空背景下的成像特征波段,并结合深度学习的方法实现对无人机目标的高效检测应用,为低空背景下无人机目标检测提供新的技术支撑。本文的主要研究内容如下:（1）无人机材料的光谱特征研究。目前市场上流行的消费级无人机的制造材料主要为工程塑料,通过对红外光谱原理和工程塑料红外光谱特征的研究分析,为在短波红外波段对无人机目标进行研究提供了理论基础,同时也验证了在低空背景下利用了多光谱成像技术实现对小型无人机目标检测的可行性。（2）针对目前没有公开的无人机多光谱图像数据的问题,研究分析了多光谱成像原理和基于LCTF的多光谱成像原理,在实验室自主搭建了基于LCTF的多光谱成像系统,经过成像测试对比,最终采用LCTF放置于组合好的短波红外相机之前的成像方式,同时也验证了该多光谱成像系统能够进行有效的数据采集。（3）针对基于多光谱图像的低空目标反射率光谱库构建及目标识别问题,研究分析了静态下无人机目标和低空背景下其他常见目标及各种材质的短波红外多光谱图像数据特征和选取感兴趣区域的必要性,通过反射率光谱重建模型计算各类目标的反射率光谱,建立小型反射率光谱数据库,并提出采用基于光谱角、最小距离相似度、光谱信息散度等典型的光谱匹配方法对无人机目标进行目标类别和材质的识别,实验结果进一步验证了基于多光谱图像计算出的目标反射率光谱的有效性和利用光谱特征实现对小型无人机目标检测识别的可行性。（4）针对低空背景下无人机目标的成像特征波段选取问题,研究分析了低空背景下动态无人机目标的短波红外多光谱图像数据特征,并根据目标信号强度和背景信号强度在不同波段下的不同的表现和目标成像特征波段选择准则,提出采用基于图像信息量、波段指数法、图像亮度特征的特征波段选择方法,实验结果表明,可选取1000 nm、1020 nm、1080-1110 nm、1200 nm、1260-1340 nm等波段作为低空背景下无人机目标的成像特征波段。（5）针对进一步利用特征波段图像对无人机目标进行检测应用的问题,提出了基于特征波段图像和深度学习的无人机目标检测方法。首先研究基于YOLOv3的低空无人机目标检测方法,实验结果表明,无人机目标在短波红外特征波段下90.43%的平均精度高于可见光波段87.43%的平均精度,也验证了特征波段图像相比于可见光波段图像在无人机检测方面的优势。又针对复杂背景下对无人机小目标检测精度较低的问题,提出基于特征波段图像和改进YOLOv3的无人机目标检测算法,通过改进多尺度特征融合网络和先验框聚类的方法,以增大感受野、加快模型收敛速度,实验结果表明,提出算法的平均精度值为93.20%,比原YOLOv3算法提高了4.96%,进一步提高了对无人机目标的检测精度。