当前,蔬菜中含有农药残留的可能性越来越大,而相对成熟的农药残留检测技术如气相色谱法等存在费时费力,破坏性大等明显缺点,因此,急需一种快速无损的蔬菜农药残留检测技术。高光谱成像技术能够区分地物光谱的微小差别,已有研究人员将其应用于食品安全监测领域,并且取得了一定的研究成果,在蔬菜农药残留检测方面具有较大的潜力。异常检测是高光谱遥感最常见的应用之一,已经在军事目标识别、伪装目标区分等方面取得了较好的成果。鉴于异常检测在高光谱遥感领域目标识别中的有效性,本文将其应用于近景高光谱图像,试图探究其检测蔬菜叶片上的农药点的可行性。在本文中,我们首先搭建了一个近景高光谱成像平台,获取了包含农药点的菠菜叶片的高光谱图像数据,对菠菜叶片的光谱特性和不同形态表现的农药点的光谱特性进行了分析,确定了农药点光谱的特征波长。其次,针对实验获取高光谱图像数据受到高光谱仪因光电效应产生的系统噪声很明显的问题,引入了信号处理领域的奇异谱分析(Singular Spectrum Analysis,简称SSA)来降低噪声,并通过局部图像方差和若干光谱相似性度量指标来衡量其降噪效果。与原始数据相比,SSA处理后的图像数据局部图像方差最高降低70%以上,光谱相似性度量指标值也出现了不同程度的下降,图像的系统噪声得到了明显下降,提高了数据的稳定性。再次,针对农药点检测问题,基于RX算法的基本原理,将双窗口局部RX算法中的外窗改进为可以变化,并结合主成分分析(PCA)的数据降维方法,提出了一种外窗可变的基于主成分分析的双窗局部RX算法(外窗可变PCA-LRX),实验结果表明,与其他4种RX系列算法相比,外窗可变PCA-LRX算法对农药点的检测效果最好,不仅能检测出全部的农药点目标,虚警率还低。接收机操作特性曲线(ROC)显示,在相同虚警率水平下,外窗可变PCA-LRX算法的检测率最高。最后,针对外窗可变PCA-LRX算法存在运行时间较长的问题,基于Hausdorff度量的基本原理,结合主成分分析的降维方法,提出了一种改进的Hausdorff度量异常检测算法,即PCA-MHD算法,用以检测蔬菜上的农药点。实验结果显示,PCA-MHD算法也能检测出全部的农药点,并且与外窗可变PCA-LRX算法相比,该算法的运行时间大为缩短,检测效率较高,为蔬菜农药点的检测提供了新思路。