高光谱遥感技术从20世纪80年代以来发展迅速,由于其具有“图谱合一”以及光谱分辨率高的特点,被广泛应用于农业生产、环境监测、城市规划和军事勘探等领域,并发挥着越来越重要的作用。然而由于地物分布的复杂性和光谱获取技术的不完善,导致高光谱遥感获得的图像空间分辨率较低,一个像元中存在多种地物,称该像元为混合像元。为了改善后续遥感图像分析的准确度,对高光谱图像进行解混,即提取出图像中包含的纯地物光谱并估计这些地物在混合像元中所占的比例十分重要。为了提高高光谱图像的解混精度,本文在稀疏解混框架下,充分利用了高光谱图像的光谱相关性和像元之间的空间信息。本文的研究内容主要包括:（1）提出了一种基于非局部核范数约束的高光谱图像稀疏解混方法。该方法引入了非局部核范数约束正则化项来利用高光谱图像非局部自相似的性质,并使用核范数有效约束了非局部块的丰度矩阵,促使其保持低秩。该方法也引入了协同稀疏项和总变差（TV）项分别考虑光谱的相关性和相邻像元之间的空间信息。（2）提出了一种基于超像素分割的协同稀疏和L_1/2低秩的解混方法。由于使用方形的局部块不能很好的获得高光谱图像的局部同质区域,因此该方法采用超像素分割的方法来进行改进,并对每一个超像素采用了协同稀疏和L_1/2范数来刻画其光谱相关性和空间信息。该方法也引入了TV项来考虑像元之间的局部相关性。（3）提出了一种基于非局部加权低秩张量分解的稀疏解混方法。该方法利用张量分解的方法来进行解混,较好的保持了高光谱图像的结构,并利用了图像的非局部自相似性,采用加权核范数来促使丰度图像保持低秩。此外,该方法也结合了协同稀疏和TV项。本文所提出的方法与现有的几种方法在模拟数据集和真实的高光谱数据集上进行了对比实验,实验结果说明了本文方法的优越性。