高光谱成像所获取的光谱数据立方体既能表征所探测空间的二维几何信息,又能表征地物在不同辐射波长的光谱本质,其图谱合一的优势以及优越的光谱分辨能力为分析目标属性提供了充分的数据信息,使得在空间图像中难以辨别的地物能够被检测,目前已广泛应用于军事、农业、医学等多个领域。以线性渐变滤光片为分光器件的高光谱成像系统,由于其简洁、小巧的光学结构优势,有望实现微型化光谱成像系统,进而能够为军事背景下的便携式伪装目标检测任务提供有效的解决途径。本文设计并搭建了以线性渐变滤光片为核心的微型高光谱成像系统,在此基础上利用该系统获取的高光谱图像,研究了一种基于空间信息的伪装目标检测模型,取得了较好的检测效果。主要完成的工作如下:（1）针对微型化应用需求,基于高光谱成像理论设计了一种滤光片型成像光谱系统方案,并通过仿真计算确定了相应的光学系统参数,在此基础上完成了基于线性渐变滤光片的微型高光谱成像系统光路调试和搭建,实现了完整高光谱数据的采集。进一步,通过对所搭建的高光谱成像系统进行实验室系统定标,获取了光谱分辨率、中心波长等系统光谱响应参数,通过数据预处理完成了噪声去除和黑白校正。（2）针对高光谱目标检测应用需求,分别利用光谱角识别算法（Spectral Angle Mapping,SAM）、自适应余弦一致性评估算法（Adaptive Cosine Estimator,ACE）及约束能量最小化算法（Constrained Energy Minimization,CEM）等经典高光谱目标检测算法,在MATLAB平台上建立了相应的高光谱目标检测模型,并基于标准数据集和本文搭建的高光谱成像系统所采集的数据集,进行了模型性能分析和对比试验。实验结果表明,CEM算法的检测效果较好,其AUC值可达0.98以上。（3）为了进一步提高目标检测效率,本文基于稀疏表示算法从两方面研究了改进方法。一方面针对稀疏表示算法在构建字典时样本不确定性问题,研究了一种基于CEM的字典构建方法,通过利用CEM算法对目标和背景进行预检测,提高了字典的准确率。另一方面研究了一种基于空间加权的稀疏表示算法,通过对待检测目标点进行八邻域的空间信息加权,扩大了其感知范围,进而充分利用了高光谱数据的空间信息。实验结果表明,本文算法在多个数据集上的AUC值均可达到0.99以上,有效地提升了目标检测效率。综上所述,本文实现了500nm-800nm光谱范围内滤光片型高光谱成像系统的搭建及高光谱数据的采集,改进目标检测算法有效地提升了目标检测效率,其AUC值最高可达到0.9945。