现阶段由于高光谱遥感技术的数据量大、包含信息全的特性，高光谱遥感技术被广泛运用到植被调查，遥感，农业，环境监测和大气研究等领域中，而对于高光谱遥感影像的分析和处理则面临着巨大的机遇和挑战。在对影像进行处理和分析过程中，如何在有效去除冗余的基础上保留更多信息是当前研究的核心，而本文研究的重点是对高光谱遥感影像分类算法的应用研究。小波变换在近二十年来在各领域专家学者的关注努力下获得了飞速的发展，离散小波变换（DWT）是基于傅里叶变换发展而来的一种信号处理中的时频分析方法，该方法能同时表现时域和频域局部特征，在图像编码中成为举足轻重的算法。现有的高光谱遥感影像分类方法并没有任何一个算法可以适用于所有类型影像的分类，并且在分类过程中会存在误分、漏分和错分的情况。高光谱遥感影像数据可以被看为是一个三维立方体数据，本文尝试引入信号处理中的傅里叶变换和小波变换对高光谱遥感影像的像元波谱曲线进行处理后实现对影像的分类。首先提出运用傅里叶变换对高光谱影像进行分类，基于matlab编程实现，利用傅里叶变换对构造的模拟数据进行试验性分析得出信号处理的方法确实可以用于高光谱图像的处理中，但如果面对混合像元或者实际复杂地物情况傅里叶变换并不能满足要求。在此基础上进一步提出了运用小波变换对高光谱影像进行分类的算法思路，在此算法中提出了对像元波谱曲线进行离散小波变换后提取小波特征的方法，并依照该算法分别对模拟数据和AVIRIS数据进行matlab编程实现。对于同一AVIRIS数据，本文将基于小波变换的高光谱影像分类和传统分类方法中的基于光谱角度填图的分类算法进行输出结果和精度量化对比，说明离散小波变换确实能有效运用到高光谱影像的分类应用中来。