机载高光谱成像技术因其高空间分辨率的特点,进一步推动了高光谱成像技术在灾害监测、精细农业、森林病虫害监测和预防等领域的应用。针对具体的应用,需要通过处理和分析遥感影像提取重要信息来解决相关的问题。论文深入地研究了机载高光谱数据处理的关键技术,包括非均匀性校正、高光谱图像压缩和高光谱图像解混。论文详细地介绍了这些关键技术的原理和数学模型,并通过机载高光谱数据验证了关键技术的有效性和可行性。论文的主要内容和创新点包括:1)论文分析了机载高光谱图像非均匀性产生的原因,研究了国内外经典的非均匀性校正方法。结合“side-slither”定标技术和两点多段的非均匀性校正方法,提出了一种基于“side-slither”定标技术的非均匀性校正方法。论文详细阐述了该方法的原理和具体实现步骤,利用机载短波红外高光谱数据验证了方法的有效性和可靠性,并定量化地评价了该方法的非均匀性校正效果。实验结果表明,基于“side-slither”定标技术的非均匀性校正方法可以成功地消除积分球和太阳之间的等效色温差异引入的非均匀性校正误差;该方法在提高图像质量的同时最大程度地保留了原始图像信息,有利于提高高光谱图像的定量化应用的精度。2)论文分析了高光谱图像压缩的必要性,基于高光谱图像分类和矢量量化压缩的策略,提出了一种基于非监督分类的高光谱图像有损压缩方法。论文详细地阐述了该算法的原理和数学模型,利用机载可见近红外高光谱图像验证了算法的可行性,并评价了算法的分类精度和压缩效果。实验结果表明,该算法可以同时实现高光谱数据的分类和压缩,取得了高压缩比结果和良好的分类效果,满足了高光谱数据同时分类和压缩的应用需求。3)论文研究了高光谱混合像元解混方法,提出了一种基于全色图像和高光谱图像的线性光谱解混方法。论文详细地阐述了该算法的数学模型及实现步骤,利用机载可见近红外高光谱图像验证了算法的有效性和确定了算法的适用范围。实验结果表明,当全色图像中各端元之间是可辨别的,该算法能取得较好的解混效果,同时可以获取高精度的目标光谱信息。4)论文通过模拟全色图像与高光谱图像之间的失配,研究了全色图像与高光谱图像之间的失配误差对线性解混精度的影响。数学模型及实验结果表明,像元的解混误差会随着全色图像与高光谱图像之间失配误差的增大而增大。5)论文提出了一种成像系统的最大可接纳失配误差的量化方法。以全色图像为参考标准,根据全色图像与高光谱图像之间失配误差引入解混误差的结果,确定了最大可接纳失配误差的范围是0.55-1.41个像元。该结果为仪器研制过程中全色探测器和高光谱探测器之间的误差分配提供了参考依据。