由于高光谱遥感影像空间分辨率较低,影像中感兴趣目标地物往往是弱信息状态,使得基于空间形态的单一目标探测方法已经不能较好的解决高光谱遥感影像的目标探测问题。本文利用高光谱遥感影像丰富的光谱信息,分析目标地物在光谱特征上的差异来进行探测与识别,提出了两种目标探测的新方法。一是引入稀疏表达,在降低影像维度的同时结合影像的感兴趣目标地物的光谱信息,利用经典的自适应余弦一致性评估器算法得到基于稀疏表达模型的高光谱遥感影像目标探测。二是引入核方法,将变形的高斯核函数应用到高光谱遥感影像目标探测中,利用核函数将原始输入数据映射到高维特征空间,在高维特征空间内应用加权样本协方差矩阵的约束能量最小化线性算法,对分离目标和背景取得了较好的效果。本文对基于稀疏表达模型的高光谱遥感影像目标探测方法中不同稀疏水平L的实验结果进行分析,得出目标探测效果最优的稀疏度。两种方法均与单一传统目标探测算法结果相对比分析,目标探测率显著提高。并对提出的两种目标探测方法用同组数据进行实验,对结果进行对比分析,评价算法的优劣性。