در سال های اخیر تشخیص ناهنجاری در تصاویر سنجش از دور فراطیفی، به یکی از کاربردهای مهم آشکارسازی اهداف در سنجش از دور تبدیل شده است. در بسیاری از کاربردها، از جمله سامانه های نظامی، علاوه بر دقت الگوریتم ها، سرعت اجرای آن ها نیز از اهمیت بالایی برخوردار است. بسیاری از الگوریتم های تشخیص ناهنجاری به دلیل این که باید روی یک تصویر با ابعاد بالا اعمال شوند، از سرعت پایینی برخوردارند. برای رفع این محدودیت و بهبود کارایی این الگوریتم ها، روش های کاهش بعد به عنوان عملیات پیش پردازش برای این تصاویر توسعه یافته‎اند. در این تحقیق با استفاده از تبدیل فوریه سریع و تبدیل موجک گسسته روش هایی ارائه شده است که به عنوان عملیات پیش پردازش کاهش بعد برای الگوریتم های تشخیص ناهنجاری عمل می کنند و سرعت و دقت آن ها را بهبود می دهند. نتایج اعمال روش های پیشنهادی بر روی دو سری داده فراطیفی سنجنده ی aviris، تصویر فراطیفی سنجنده hymap و همچنین تصویر فراطیفی مربوط به نشت نفت در خلیج مکزیک نشان داد که این روش ها کارایی الگوریتم rx را از لحاظ سرعت اجرا و دقت تشخیص و کارایی الگوریتم dwest را از لحاظ سرعت اجرا، بهبود می‎دهند. میزان افزایش سرعت با استفاده از روش های پیشنهادی به حدی است که از آن ها می توان در کاربردهای بی درنگ استفاده کرد. همچنین مقایسه الگوریتم های rx و dwest با روش های پیش پردازش پیشنهادی، نشان داد که این روش ها کارایی بالاتری از الگوریتم kernel-rx دارند. به علاوه مقایسه روش های پیشنهادی با روش کاهش بعد مبتنی بر تحلیل مولفه های اصلی نشان داد که روش کاهش بعد با استفاده از تبدیل فوریه سریع، از سرعت بالاتری برخوردار است.