随着高光谱遥感图像在空间分辨率和光谱分辨率的提高,高光谱目标检测技术也得到了很大的发展。高光谱异常检测能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,是目标检测领域的一个研究热点。本文针对高光谱图像小目标和弱异常的检测问题,分别从图像空间和光谱空间两个角度,开展了高光谱图像局部异常检测算法研究。论文的主要工作包括以下三个部分:首先对现有经典的异常检测算法进行了算法实现和比较分析。通过实际数据实验,分析了基于统计模型和基于线性混合模型的异常检测对全局图像处理的性能差异,归纳总结了全局检测存在的问题;并引出了高光谱数据的图像空间和光谱空间局部邻域的概念。其次针对图像空间,提出了一种基于中心点投影的局部异常检测算法。在高光谱局部异常检测中,往往关心的是图像中的孤立目标,针对道路和地物边缘异常度较大的问题,本文在深入研究局部正交子空间检测算法的基础上,提出了基于中心点投影算法。该算法充分利用地物在空间分布的相关性,在有效的检测小异常目标的同时,进一步消除了线状虚警。最后针对光谱空间,根据光谱空间中局部邻域的特点,结合异常检测的机理,研究了光谱空间邻域划分的原则。依据该原则,采用K-Mean聚类算法实现了局部异常检测,利用实际数据验证了算法性能,并对聚类中类别数的选择问题进行了研究。最后比较了图像空间和光谱空间局部异常检测的性能差异。