随着高光谱成像技术的发展,高光谱图像的数据量急剧增大,给高光谱图像的目标检测带来了一系列的问题,如对光谱高维数据快速、精确地目标检测等问题。在对高光谱图像进行目标检测时,如果对全部数据以相同的方式处理,处理效率会极其低下。此时可以利用人类视觉系统中的视觉注意机制,首先快速检测出若干目标区域进行优先处理,再对提取出的目标区域进行分析及后续处理,从而极大地提升了处理效率和精度,可满足大量实时化的应用需求。考虑到传统高光谱图像目标检测方法低效率和低精度的缺点,本文对基于人类视觉注意机制的高光谱图像目标检测进行了重点研究,其中包括三个关键技术,具体如下:首先是计算自底向上的高光谱目标检测视觉注意模型。依据高光谱图像具有图谱合一的特点,提出了提取其初级视觉特征的方法,包括边缘强度、光谱平均辐射强度、光谱最大辐射强度及光谱辐射强度分布等特征提取,这些特征充分包含了高光谱图像的图像和光谱信息,由此,本文提出了一种计算高光谱图像显著度的方法。其次是计算自顶向下的高光谱目标检测视觉注意模型。本文在分析了特定目标的光谱谱线信息后,提出了一种计算高光谱图像的高级视觉特征的方法,包括提取高光谱图像中关于特定目标的波峰波谷差值特征和波峰波谷比值特征,这些高级视觉特征可以代表高光谱图像中目标的光谱信息特征,用于检测特定目标。最后是对两种视觉注意模型进行融合。本文对贝叶斯模型进行了研究并改进,将初级视觉特征代表的自底向上模型和高级视觉特征代表的自顶向下模型相结合,计算出综合显著度图,最终检测出高光谱图像中的目标。实验表明,从主观和客观的角度上,通过和多种算法的比较可以看出,本文的视觉注意综合模型具有一个较好的目标检测结果,可以完整、精确、有效的将高光谱图像中的目标检测出来,同时具有较强的抗背景干扰能力。