近年来,随着光谱成像技术的快速发展,高光谱遥感技术得到了广泛的关注。基于高光谱图像的目标检测不仅可以利用高光谱图像数据的光谱信息,也可利用其空间信息,在目标检测领域较于空间遥感图像目标检测具有很强的优势,在国防侦查、搜索救援等方面具有重要的应用价值。本文在深入研究高光谱图像目标检测理论的基础上,针对异常样本对背景统计信息的干扰、复杂背景模型构建偏差以及背景信号对亚像元目标检测的影响等问题进行深入研究,完成的主要工作包括:首先,对高光谱数据特性进行研究,研究了光谱信号的可变性模型。重点研究了基于统计检测理论的高光谱图像目标检测算法的设计,分析了多元统计信号的检测理论和估计理论。介绍了高光谱图像目标检测算法的评价方式。其次,针对高光谱数据中异常点对背景参数估计的影响,提出了一种稳健协方差估计的ACE目标检测算法。背景参数估计中常用的极大似然估计方法对数据中的异常点比较敏感,可能受异常点影响导致背景模型存在较大偏差。本文使用稳健Fast-MCD参数估计方法,从而克服异常点对背景参数估计的影响,提升背景模型构建的准确性和稳定性。通过实验验证,相较于原有ACE等检测算法,该方法的检测效果更优。最后,针对复杂背景情况背景模型构建不准确的问题,提出了一种局部背景模型的ACE亚像元目标检测算法。在统计检测算法中,背景模型构建的准确性直接影响着亚像元目标的检测效果。ACE目标检测算法使用单一多元正态分布模型来描述背景分布情况,这种描述方式在背景地物分布情况比较复杂时不能很好的描述背景的实际分布情况。本文利用背景分解来描述复杂背景,使用多个多元正态分布模型构建背景分布模型,每个模型对应着一类地物,从而降低背景模型的光谱可变性。此外针对亚像元目标检测中背景信号的影响,利用最小二乘分解得到具有实际意义的目标和背景的组分信息,结合ACE检测算法可以最大程度的抑制背景信号的影响。实验表明,该方法较传统ACE算法和局部滑动窗口ACE检测算法在亚像元目标检测上具有更好的检测性能。