利用高光谱遥感影像对植被要素进行准确的分类提取是植被高光谱遥感应用研究的重要内容。运用典型高光谱影像地物分类方法对植被进行分类提取时,其提取精度和精细分类程度很难满足实际应用需求。因此,论文系统研究了高光谱植被指数和多核学习方法在植被分类提取技术中的应用,设计并实现了基于加权高光谱植被指数的植被分类提取方法,将多核支持向量机引入植被精细分类提取中,并展开了系统的理论分析和试验验证。论文完成的主要工作和取得的成果如下:1.阐述了植被研究的重要意义和植被遥感的研究对象,对高光谱遥感技术的研究进展和植被高光谱遥感应用情况进行了总结,分析了常用高光谱影像植被分类提取方法,总结归纳了高光谱影像植被分类提取中面临的难点。2.从植被光谱曲线特征、植被光谱变换特征两个方面研究了植被光谱特征,根据高光谱数据波段对植被光谱特征的响应情况,实现了基于植被光谱特征的波段选择方法,试验结果表明该方法能够有效进行数据降维,并且最大限度保留植被分类提取所需的光谱特征信息。3.分析了宽波段植被指数和高光谱植被指数的构建原理,从降低土壤对植被提取的影响、增强植被指数对高光谱数据的适应性出发,设计了一种加权高光谱植被指数,试验结果验证了加权高光谱植被指数用于高光谱植被信息提取的有效性;针对非植被地物对植被分类提取结果的影响,提出基于加权高光谱植被指数的植被分类提取方法,即利用加权高光谱植被指数对高光谱影像植被信息进行提取,在此基础上使用典型分类算法对植被信息作进一步分类,试验结果表明该方法能够有效降低非植被地物对植被分类提取的影响,提高了植被总体分类提取精度。4.介绍了核方法与多核学习原理,分析了支持向量机在复杂情况下采用单核映射方式对所有样本进行处理的不合理性,而利用多核代替单核的学习方法则可以得到较好的处理结果;结合植被精细分类中植被样本分布的特点,论文将多核支持向量机引入植被精细分类提取中,试验验证了多核支持向量机对植被精细分类提取的有效性,分类提取精度相比于单核支持向量机和典型分类方法都有较大改善。