高光谱遥感技术在电子成像技术和空间技术发展的推动下已经成为了信息获取领域颇具特色的前沿技术。高光谱图像作为一种新型的遥感数据,具有图像细节信息丰富和光谱诊断力强等特点,能够有效地区分和辨识自然背景中的军事目标,因此越来越受到各国的重视。其中,高光谱图像奇异目标检测算法能够在没有先验光谱信息的条件下检测到与背景光谱存在差异的目标,实用性强,已逐步成为目标检测领域的研究热点。本文主要研究高光谱图像奇异目标检测技术,旨在结合高光谱图像统计特性,充分挖掘奇异目标光谱和空间信息关联性,辅以算法检测性能分析,采用信号处理和多元统计理论等手段对高光谱图像中的目标进行检测。本文主要的工作内容如下首先,从二元假设和极大似然比检验入手,根据奇异目标检测的RX算法模型,给出了基于RX算法的改进算法,并通过对AVIRIS数据的仿真实验,分析了相关矩阵在高光谱目标检测中算法的应用优势,验证了UTD算法对有特定波段依赖性的小目标有良好检测效果。其次,以虚警概率和检测概率为算法性能指标,利用接收机工作特性曲线ROC为性能评价手段,分析了算法中影响算法性能的主要参数,并通过建立性能评估框架,给出了奇异目标检测RX算法性能评价手段,提出了针对算法性能的参数优化设计方案。然后,针对传统奇异目标检测算法仅利用光谱波段相关信息的局限性,根据加性目标信号和非结构化背景模型,给出了基于临近像素谱间相关性和空间相关性的三维GMRF算法,通过估计背景数据求解二阶统计量的逆减少了算法计算耗时,仿真试验及其理论分析证明了算法的有效性。最后,通过DM642硬件测试平台,对文章中的算法进行了验证。结合DSP硬件特点,对DSP程序和源代码进行了优化设计,随后提出了一种基于高光谱图像局部置信度的奇异目标自动阈值检测方法。实验表明算法检测效果良好,执行速度满足实时性。