近海岸地区是地质调查、生态研究的热点，它既是经济发展迅速的地域，也是现代战争的前沿，所以对近海岸地区信息的快速、精确、大面积地捕获，以及及时地处理和分析对于地质考古、生态保护，沿海城市发展和国防建设都具有重要的意义。然而，由于近海岸地区环境复杂多变，有的地区甚至人力难以到达，遥感技术为近海岸地区的信息获取开辟了新的天地。它具有快速、可重复和大面积测量等特点，对地形复杂地区的探测更具优势，从长远角度来说遥感观测方法也更经济。　　近海岸地区除覆盖有大面积的海水，还包括沿岸的陆地及潮汐带区域，小目标如礁石、灯塔、舰船的尺寸仅在10m以内，对遥感器的空间分辨率要求较高。而近海岸地区的地物种类繁多，要求不仅能够精确地识别地物，还要分析地物的物理、化学属性，这又对遥感器的光谱分辨率提出了更高的要求。高光谱遥感成像仪可以在近似连续的光谱波段内以很窄的光谱间隔成像，获得的数据既有很高的光谱分辨能力，又有较好的空间分辨能力，成为研究近海岸地区的首选数据源。　　为了有针对性的研究，近海岸地区被分为背景环境和前景目标两部分分别研究。背景环境又分为陆地环境和海洋环境，所以海陆分离方法首先被研究。从图像分割的两个基本特性出发，基于区域相似性的海陆分割方法，用归一化水体指数恰当地提取水体特征，从而大大减小算法的复杂度。另一种方法是基于边缘不连续性的海岸线提取，利用整条高光谱向量计算空间梯度，比传统灰度梯度表达边缘信息更准确、可靠。对陆地环境和海洋环境研究的主要内容为对地物类别的分类及水深信息的反演。为获得精细的、高精度的分类结果，空谱分类方法被采用，根据图像区域上的连续性，空间信息以在光谱分类结果的邻域上投票的形式被引入，此方法不仅比单纯光谱分类的精度有较大的提高，还比提取空间特征的算法复杂度低。水深反演算法利用带有水深信息的光谱训练支持向量机，使其输出水深信息，巧妙地将逆向的反演问题转化成正向的学习问题，且可通过调节支持向量机参数反演不同精度的水深。针对近海岸前景目标受干扰强和存在于子像元中的问题，组合光谱特征的目标识别算法和广义线性光谱混合模型被研究。协同反射光谱和导数光谱的对不同光谱波动数据的识别优势，使组合光谱特征的目标识别算法具有更好的识别效果。广义线性光谱混合模型在线性光谱混合模型的基础之上，充分考虑了三种外界大气、地面环境对测量光谱造成的干扰，通过引入非线性项对光谱混合的模式模拟得更加真实、精确。　　利用多组仿真数据和真实的高光谱图像对本文提出的算法进行验证，实验结果表明本文提出的算法均要优于传统的算法，且具有很好的鲁棒性。