高光谱遥感是一种通过对地物进行精细观测以获取信息的手段,是遥感发展史上最具标志性的成果,高光谱图像的目标检测是现阶段的一个研究热点。在民用领域,高光谱目标检测在农作物监测、环境减灾、考古、资源勘探等方面有着广泛的应用;在军事领域,高光谱目标检测在目标反伪装、目标侦察、地雷探测等方面也有众多非常成功的应用。本文主要从高光谱数据的特点出发,在利用波段选择实现降维的基础上,结合核方法和稀疏表示理论,实现高光谱图像的目标检测。论文首先介绍了与高光谱目标检测有关的基本理论。总结了高光谱数据的基本特征;阐述了对高光谱图像进行数据降维的重要作用,研究基于波段选择和基于特征提取两类降维方法;介绍了高光谱图像目标检测的基本理论,总结了高光谱目标检测的经典算法;同时,介绍了稀疏表示的相关理论,给出了信号稀疏表示的数学模型,并对稀疏表示的两个重要问题:字典训练和求解稀疏表示系数,给出了经典的解决方法。然后,针对高光谱数据冗余度高、数据量大的问题,对高光谱数据进行降维处理。分析并改进人工鱼群算法和蚁群算法,将其相融合得到一种混合的群智能波段选择算法,从原始所有波段中选出起主要作用的波段子集,波段子集具有较强的类间可分性。实验结果表明,该方法能够在降低高光谱图像数据的冗余和相关性的同时,又能比较完整地保留光谱的基本特征。最后,对高光谱图像的目标检测方法进行总体实现。首先在基本稀疏表示的基础上,给出了基于稀疏表示的高光谱目标检测算法。然后针对高光谱数据的非线性特征,将核方法引入稀疏表示中,使其具有处理非线性数据的能力,得到核稀疏表示模型,并且对字典训练算法和稀疏表示系数求解算法进行核化,总结了核奇异值分解法(K-KSVD)和核正交匹配追踪算法(KOMP)。并在此基础上给出了基于核稀疏表示的高光谱目标检测算法,该方法充分结合了波段选择、稀疏表示和核方法的优势,实验结果表明,核稀疏表示的目标检测方法能有效地提高检测率,且具有优越的性能。