随着遥感在成像技术方面的不断发展和进步,遥感图像正朝着更高的时间分辨率、更高的空间分辨率和更高的光谱分辨率方向发展,相应的应用范围和需求也在不断增加。与此同时,也为遥感数据处理带来更多的难题和困难以满足应用需求。就高分辨率高光谱遥感图像而言,更高的空间分辨率为我们带来了更多的地物细节,相应的也会产生更加丰富的光谱特征,这对传统的目标检测方法带来了更大的困难。因此,如何有效利用高分辨率高光谱数据的空间信息,成为解决高分辨率高光谱图像目标检测问题关键。本文从高分辨率高光谱遥感图像数据具有更高空间分辨率的特点出发,旨在深入挖掘高分辨率高光谱遥感图像的空间-光谱联合信息,提高高分辨率高光谱遥感图像数据目标检测能力。首先研究张量和超像素分割技术的相关理论;并深入研究了高分辨率高光谱遥感图像的张量目标表示模型和超像素稀疏表示模型,进而研究得到基于这两种不同模型的目标检测方法,并且通过实验与传统的目标检测算法进行对比,本文提出的这两种算法均取得了较好的检测效果。本文工作主要是研究了张量和超像素技术的基本理论、高光谱图像的张量目标检测以及高光谱图像的超像素目标检测,包括以下三个方面:首先,从高分辨率高光谱图像高空间分辨率与光谱信息联合利用的角度研究,重点研究了高光谱图像的张量表示模型以及超像素稀疏表示模型,为提出空谱联合利用的目标检测方法奠定基础;其次,针对高空间分辨率下的高光谱图像目标检测问题,提出了基于局部分块张量表示的子空间目标检测算法,利用局部分块张量表示构造目标和背景投影子空间,并推导形成张量匹配子空间检测方法,取得了良好的检测效果;最后,针对高空间分辨率下的高光谱图像目标检测问题,提出了基于超像素分割和稀疏表示相结合的目标检测算法,以超像素为空间约束单元,实现高光谱图像稀疏目标检测。仿真实验结果表明该算法优于现有稀疏表示检测算法。