随着光谱检测技术的应用越来越广泛,涌现出多种光谱目标检测算法。传统的目标检测算法,模型复杂,耗费时间长,造成检测效率低。本文将视觉选择性注意机制应用到多光谱目标检测中,不仅达到优秀的检测效果,而且算法简单、易于硬件实现,有效地提高检测效率。本文对三种经典的频率域显著模型进行对比,分析三个模型的基础理论,总结出频率域的显著目标特性,并论证了基于频率域的显著检测不仅仅是纯数学理论计算,而且符合人眼的选择性注意机制。利用多尺度分析和形态学处理优化PFT模型,提高了显著目标检测的精确性和完整性。基于PFT模型和四元数,研究出一种有效的多光谱目标检测模型,以两个特征光谱区间的光谱波段图分别构建两个四元数图像,并利用PCA融合两个四元数图像的显著图,精确地定位到目标,且对噪声具有很好的鲁棒性。由于频率域模型只能提取全局显著信息,结合局部空间域模型,研究出一种双域双特征的检测算法,大量的实验数据表明,本文算法在多光谱图像和自然彩色图像的有效性和鲁棒性。上述算法分析和实验结果表明,基于显著性的多光谱目标检测算法实现了复杂度与效果的平衡。利用AOTF和近红外相机搭建多光谱成像系统,以FPGA板为图像处理核心,实现一种多光谱目标检测系统。考虑到FPGA超强的并行处理能力和较差的信号运算性能,探索研究出一种基于哈达玛变换的检测算法,设计相应的硬件模块,实现了实时高效的检测效果。