总体上来说，国内对于高光谱成像技术的研究起步较晚，但是也取得了一些发展和进步，本文结合已有研究文献进行了简单总结。

谷延峰等提出了基于多分辨率图像融合的非监督目标检测算法[33]。并应用100?00像素大小的AVIRIS数据进行了实验，实验结果表明所提出的融合方法对于高光谱图像的目标探测非常有效。所提出的方法检测出更多的真实目标，并且比USRX和CSRX有更低的错误探测概率。

吴波等提出了非监督正交子空间投影法（UOSP），用来自动获取影像端元光谱，同时进行混合像元分解，而且克服了传统技术需要先验端元光谱的缺点[B4]。并用成像光谱数据（PHI）

云顶天宫实例测试了这个方法，结果表明该方法自动获取的端元比较合理，且分解混合像元的精度较高。

李智勇等提出了一种基于图像主成分分量的高光谱小目标检测算法[35]。将之应用于128波段的OMIS的目标探测，目标为7个车辆，最终获得了比RX算法好的结果。该方法对先验光谱信息的依赖较小，因此实用性较高。

云顶天宫张兵等提出了在光谱特性提取的基础上利用凸面几何体投影变换进行高光谱图像目标探测的方法，并成功地应用于亚运村建材市场屋顶板材和亚运村中心地区真假草坪的自动识别和探测中[3]。实验证明该方法不需要探测目标的任何先验知识就能达到比较好的目标探测效果。

云顶天宫路威等提出了一种基于多分辨率小波高频特征系数的高光谱遥感影像亚像素目标识别方法[31。通过38种小波函数的高光谱数据实验证明该方法对亚像素目标的识别效果较好。

刘凯龙等提出了以光谱特性作为基本识别特征，针对多类判别和谱空间模式重叠的情况，提出数学分析模型及统计计算和判别效果检验相结合的光谱特征检测新方法，并成功地对迷彩伪装进行了探测，识别正确率达到了99%以上8]。该方法的优点是充分地利用了高光谱遥感光谱细致的优点，但该方法需要已知大量的地物标准光谱曲线和和伪装的光谱曲线，这在实际应用中是很难获得的。
耿修瑞概括性总结了高光谱遥感图像小目标探测算法的研究进展，揭示了图像白化处理是诸多算法能够成功应用于小目标探测的本质原因所在；提出了基于样本加权自相关矩阵把大目标转化为“小”目标从而进行有效探测的思想和算法39]。
贺霖等针对背景和目标的先验光谱特征未知的条件，给出一种基于单似然检验的高光谱图像小目标检测器[40]。该检测器避免了统计模型误差和不明确物理含义特征对实际高光谱图像数据检测带来的影响。