海洋遥感是目前科学研究的热点,高光谱遥感作为海洋遥感领域近年发展起来的新技术,对高光谱遥感数据信息提取方法的研究有着十分重要的实用价值和学术价值。本文基于微分算法和人工神经网络算法,对浅海底质分类和水深反演问题进行了分析和研究。本文首先阐述了遥感的基础理论,描述了现有遥感图像的分类方法。其次,基于光在水体中的辐射衰减特性和浅海底质的光谱特征,采用理论解析模型和经验参数相结合的方式,实现了半理论半经验模型的构建,以此为基础生成了三类不同底质的浅海反射率模拟数据,为本文的相关研究提供了数据基础。此外,本文利用四阶微分算法,对半理论半经验模型模拟的底质反射率数据进行处理,突出了不同底质光谱之间的细微差距。分析结果表明,在对底质的反射率光谱进行四阶微分处理后,能够利用两波段之间的斜率值对底质的类别进行区分。进而根据模拟海底底质实验的实测数据,验证了四阶微分算法的实用性和准确性。另外,本文使用人工神经网络算法对底质分类和水深反演问题也进行了相应研究。选择了适当的隐层数和隐层神经元数,进行了实测数据的仿真,结果表明神经网络能够正确的反演底质类型和水深。最后,针对混合底质的情况,本文运用了一种基于底质分类的水深反演算法。利用不同水深反演模型对实测数据进行水深反演,通过比较反演结果与实测水深的误差,证明了基于底质分类的水深反演算法更适用于混合底质情况。并且,基于这种算法对我国某浅海区域进行了水深反演,发现对水域进行底质的分类,能够提高水深反演的精度。