高光谱图像目标探测是高光谱遥感应用的重要方向之一，涵盖了环境监测、城市调查、矿物填图和国防安全等诸多领域。与传统的基于高空间分辨率遥感影像的目标探测算法不同，高光谱图像目标探测主要是依据目标与背景在光谱特征上存在的差异进行探测与识别。目标探测根据是否具有目标信息可以分为两种:非监督式的异常检测和监督式的匹配探测。　　较为常见的高光谱异常检测算法有异常检测算法（reed-x detector, RXD）及相关子算法，阻塞式自适应高效计算异常探测器(blocked adaptivecomputationally efficient outlier nominators，BACON)和随机选择异常检测算法（random selection based anomaly detector, RSAD）。匹配探测的主要算法有约束能量最小化方法（constrained energy minimization，CEM）、自适应余弦一致性评估器（adaptive coherence/cosine estimator, ACE）和自适应匹配滤波算法(adaptivematch filter，AMF)。这些算法有很强的检测效率，但是受到模型假设的限制，在探测过程中也会出现较高的虚警率。针对目标探测中的这个问题，本论文提出了加权RXD算法、线性滤波RXD算法和异常背景概率差值探测器算法，并且分析和比较了多种常见匹配探测算法的性能。通过模拟数据和真实数据实验结果可知，与传统算法相比，本论文提出的新算法在保持检出率恒定的情况下，能够有效降低虚警率。　　论文的主要研究工作和成果包括在以下三个方面:　　1.本文利用多元概率统计理论解释RXD算法的异常检测机理。RXD算法作为异常检测领域最为常用的算法之一，它来源于多元正态分布的概率密度函数。本文提出RXD算法的统计学理论依据，总结归纳了RXD算法存在的主要缺点，即背景估计无法满足多元正态分布。针对这一缺点，本文提出W-RXD算法和LF-RXD算法。实验部分采用一组模拟数据和两组真实数据，并且利用检测结果灰度图、检测结果二值图、ROC曲线和AUC等指标全面评价。结果显示，新算法能够有效降低虚警率。　　2.异常检测是一种未知背景和目标光谱的目标探测问题。正是对目标先验知识的缺乏导致虚警率的升高。本文提出的PAD算法，充分挖掘目标和背景信息，为异常检测提供先验知识，尽可能的在保证检出率不变的情况下降低虚警率。　　3.在匹配探测领域，本文列举了CEM算法、ACE算法、AMF算法和SAM算法，并通过模拟数据和真实数据比较了这四种算法的探测性能，得到相关结论。实验结果显示，CEM算法的检测性能最好，虚警率最低。