偏振高光谱图像是高光谱图像和偏振图像有效结合的产物,它不仅具有高光谱图像的所有信息,还具有偏振信息,而偏振能够增强图像的对比度,消除干扰信号的影响,从而提高目标的检测率。因此,本文主要对偏振高光谱图像的目标检测进行以下研究:论文首先介绍了Stokes矢量的基本概念及其在偏振高光谱图像中的应用。对于Stokes矢量提取的强度、偏振度和偏振角分量,分别针对未知背景、未知目标的RX检测算法,已知目标、未知背景的CEM检测算法以及已知目标、已知背景的SSP检测算法进行了研究。最后在三种模型检测的基础上,采用模糊积分对结果进行了融合,提高了检测率。针对偏振高光谱图像的多维信息利用问题,考虑到张量能够保证数据的完整性,本文引入了张量表示的概念。采用张量分解的方式提取了偏振高光谱图像的偏振和光谱特征,然后根据张量的特性提出了四阶张量匹配滤波和基于张量CP分解重建的目标检测算法,不仅实现了多维信息的利用,还在一定程度上克服了检测算法对噪声的敏感性,获得了优于经典算法的检测结果。偏振高光谱图像包含丰富的多维信息,鉴于稀疏表示既不需要考虑数据的分布问题,又能实现空间信息的有效利用,因此在张量表示方法实现了偏振和光谱信息联合利用的基础上,为了进一步利用空间信息,论文将张量和稀疏相结合提出了基于张量分解重建的稀疏表示目标检测方法,实现了偏振高光谱图像偏振、光谱以及空间信息的联合利用,进一步降低虚警、提高了偏振光谱图像的目标检测率。