高光谱成像可同时观测空谱信息，这使得高光谱图像目标检测技术在解决目标检测问题时显示出独特优势，已成为自动目标识别领域的一个前沿研究方向。本文着眼于如何精确描述高光谱图像数据的统计特性；如何结合利用空间信息提高检测效果；如何抑制背景和噪声信号同时保留或增强目标信号；如何挖掘高光谱图像数据中除空谱信息之外的其余隐含信息等方面，对高光谱图像目标检测技术进行了研究，主要贡献如下：1．利用最大熵定理和目标的空间低概率性，将高光谱图像异常目标检测问题中的似然比检验简化为对背景似然的单似然检验。对于空间低概率目标，其样本难以约束目标总体的矩特征。因此，在最大熵条件下求取目标总体统计特性，将高光谱图像目标检测问题简化为对背景似然进行检验的单似然检验。2．使用样本多模无参估计模型和单似然检验构造了一种高光谱图像异常目标检测算法。由于异常目标的空间低概率性，将全部高光谱图像数据均视为来自于背景总体，利用样本多模无参估计模型获取背景的概率密度特性，再结合单似然检验构造出检测器。实验结果表明该检测器可有效检测出高光谱图像中的异常目标。3．针对高光谱图像亚象素目标检测问题，构造了一种结合子空间投影和似然比检验的特征层融合两步匹配检测器。该检测算法在检测过程中综合利用了子空间投影检测方法和似然比检验二者的优点以提高检测性能。仿真实验结果表明该检测器可有效检测出高光谱图像中的亚象素目标。4．利用多元随机变量二次型统计量的高阶矩构造判据求取高光谱图像的自适应结构化背景，在残余数据服从空间白化高斯随机过程的条件下，利用目标空间形状信息构造目标空间形状子空间，并将二维目标空间形状信息映射为高维的光谱维特征进行匹配，构造出形谱一体化检测器。仿真实验结果表明该检测算法可有效检测出高光谱图像中多个具有不同形状和光谱特征的目标。5．构造了一种检测变换值概率密度估计曲线与目标检测变换值杆图的合成图用以评价高光谱图像小目标检测器。6．检测高光谱图像中的大目标时，为利用高光谱图像的空间尺度维信息，定义高光谱图像高维多尺度自回归模型，以此为基础，利用四叉树节点间的多阶马尔可夫性和高维条件概率密度与高维多尺度回归噪声先验概率密度的等价性及高维多尺度自回归噪声的多元t分布建模，构造出适用于检测高光谱图像大目标的空间多尺度自回归目标背景有监督检测算法。仿真实验结果表明该检测器可有效检测出高光谱图像中的大目标。