高光谱遥感作为一种新型的遥感技术，可以同时获取观测场景的空间与光谱信息。高光谱图像目标探测一直是高光谱图像处理的重要研究方向。该领域的经典算法大多为线性算法，包括约束能量最小化算子，正交子空间投影以及匹配滤波算子等。对于较为简单的场景，线性算法往往可以获得较为满意的结果。但是，当目标所处的场景变得较为复杂时，线性算子将难以对目标与背景进行很好的区分。因此，对基于高光谱图像的非线性目标探测算法的研究成为了当前研究的重点。　　本文的研究从现有的线性以及非线性目标探测方法出发，分析其存在的问题并提出了新的思路来实现高光谱图像的非线性目标探测。本文的主要贡献主要分为如下两个方面:　　1.提出了基于分段线性的高光谱图像目标探测算法，在目标探测中引入了数据的预划分操作，从能量的角度将数据进行划分并以此为基础进行目标探测操作，通过这样的处理，目标探测的准确率得到了很大的提升。　　2.将BP神经网络应用于高光谱图像目标探测中，针对BP神经网络可能陷入局部极值的问题，加入了并联结构的网络来增强其网络结果的稳定性，提高了算法的整体性能。　　论文中使用模拟数据以及真实的高光谱数据对上述方法进行了实验验证。实验结果表明，相较于经典的线性算法以及部分非线性算法，上述两种方法所得到的结果，其目标探测精确度有了明显的提升，目标探测结果稳定可靠。　　同时，上述两种非线性方法的研究引出了新的研究问题:分段线性算法的计算优化问题以及并联结构BP网络在高光谱图像分类方面的潜在应用问题。这将成为本论文下一步研究工作的重点。