總體上來說，國內(nèi)對于高光譜成像技術(shù)的研究起步較晚，但是也取得了一些發(fā)展和進步，本文結(jié)合已有研究文獻進行了簡單總結(jié)。

谷延峰等提出了基于多分辨率圖像融合的非監(jiān)督目標檢測算法[33]。并應(yīng)用100?00像素大小的AVIRIS數(shù)據(jù)進行了實驗，實驗結(jié)果表明所提出的融合方法對于高光譜圖像的目標探測非常有效。所提出的方法檢測出更多的真實目標，并且比USRX和CSRX有更低的錯誤探測概率。

吳波等提出了非監(jiān)督正交子空間投影法（UOSP），用來自動獲取影像端元光譜，同時進行混合像元分解，而且克服了傳統(tǒng)技術(shù)需要先驗端元光譜的缺點[B4]。并用成像光譜數(shù)據(jù)（PHI）

實例測試了這個方法，結(jié)果表明該方法自動獲取的端元比較合理，且分解混合像元的精度較高。

李智勇等提出了一種基于圖像主成分分量的高光譜小目標檢測算法[35]。將之應(yīng)用于128波段的OMIS的目標探測，目標為7個車輛，最終獲得了比RX算法好的結(jié)果。該方法對先驗光譜信息的依賴較小，因此實用性較高。

張兵等提出了在光譜特性提取的基礎(chǔ)上利用凸面幾何體投影變換進行高光譜圖像目標探測的方法，并成功地應(yīng)用于亞運村建材市場屋頂板材和亞運村中心地區(qū)真假草坪的自動識別和探測中[3]。實驗證明該方法不需要探測目標的任何先驗知識就能達到比較好的目標探測效果。

路威等提出了一種基于多分辨率小波高頻特征系數(shù)的高光譜遙感影像亞像素目標識別方法[31。通過38種小波函數(shù)的高光譜數(shù)據(jù)實驗證明該方法對亞像素目標的識別效果較好。

劉凱龍等提出了以光譜特性作為基本識別特征，針對多類判別和譜空間模式重疊的情況，提出數(shù)學(xué)分析模型及統(tǒng)計計算和判別效果檢驗相結(jié)合的光譜特征檢測新方法，并成功地對迷彩偽裝進行了探測，識別正確率達到了99%以上8]。該方法的優(yōu)點是充分地利用了高光譜遙感光譜細致的優(yōu)點，但該方法需要已知大量的地物標準光譜曲線和和偽裝的光譜曲線，這在實際應(yīng)用中是很難獲得的。
耿修瑞概括性總結(jié)了高光譜遙感圖像小目標探測算法的研究進展，揭示了圖像白化處理是諸多算法能夠成功應(yīng)用于小目標探測的本質(zhì)原因所在；提出了基于樣本加權(quán)自相關(guān)矩陣把大目標轉(zhuǎn)化為“小”目標從而進行有效探測的思想和算法39]。
賀霖等針對背景和目標的先驗光譜特征未知的條件，給出一種基于單似然檢驗的高光譜圖像小目標檢測器[40]。該檢測器避免了統(tǒng)計模型誤差和不明確物理含義特征對實際高光譜圖像數(shù)據(jù)檢測帶來的影響。