高光谱遥感是一门将反映地物辐射属性的光谱与反映地物空间和几何关系的图像结合在一起的技术。由于高光谱遥感数据具有非常高的光谱分辨率，因此非常有利于深入挖掘地物的理化特性或精细识别不同的地物。但同时，不同的结构特性和数据特点使得传统针对全色和多光谱影像的处理方法已无法满足高光谱影像信息提取的要求，面对海量的光谱影像数据，如何从中自动有效地提取感兴趣的信息，是高光谱遥感应用研究的关键问题。 结合国家863-708计划项目和相关科研课题，本论文探讨了高光谱影像特征提取与分类问题。论文以地物的自动识别为目标，介绍了投影寻踪的基本思想、实现技术和方法，深入研究了高光谱影像特征选择、特征提取技术和地物自动分类技术，提出了基于投影寻踪的高光谱影像特征提取和识别方案。归纳起来，本论文主要在以下几方面开展了研究工作： 1、介绍了投影寻踪的基本思想、实现技术与方法，并对投影指标和优化搜索方法进行了概括和分析。 2、深入研究了高光谱影像的特征选择和提取技术，介绍并分析了一些常用的特征提取算法，提出了针对高光谱数据特点的序贯投影寻踪（SPP）的高光谱影像特征提取方案，特点在于： ● 把波段之间的相关系数作为特征选择的标准，有效去除了冗余信息，降低了数据的维数，提高了数据处理和分析的性能。 ● 利用SPP对高光谱数据进行特征降维，有效地抑制了高光谱数据由于训练样本相对不足带来的维数灾难（Hughes）现象，并大大提高了运算效率。 ● 在构造投影变换矩阵时，利用序贯投影寻踪的优化搜索方法，大大减少了搜索次数，从而进一步提高了数据处理的效率。 3、在深入研究高光谱影像监督和非监督分类技术的基础上，设计了基于SPP的地物识别方案，即在SPP特征变换的基础上，采用经典方法对高光谱数据进行分类和识别。通过试验对比发现，基于SPP的识别技术可有效实现高光谱数据的自动解译。 4、在研究和掌握上述技术和方法的基础上，建立了一套较为完整的实验系统。