高光谱数据能提供地物数十至数百个窄波段的光谱信息,通常波段宽度小于10nm,可产生连续的光谱曲线,具有极高光谱分辨率。然而,由于高光谱图像维数众多,数据量巨大,给后续处理带来巨大的挑战。本文以Hyperion图像为对象,研究了高光谱的特征提取和端元提取技术。论文首先介绍了高光谱数据处理面临的问题,包括高光谱的巨大数据量如何处理,高光谱图像混合像元的产生以及端元的提取,分析了对高光谱图像进行特征提取和端元提取的必要性。针对PCA特征提取算法反映地物的整体信息,忽略细节信息的缺点,对小波PCA算法进行改进,通过使用不同的小波基,运用小波PCA算法进行特征提取,最终选取最优的小波基。研究投影寻踪算法中的模拟退火优化算法,将此算法应用于寻找最优的投影向量。分析PPI端元提取算法,将进行预处理的PCA算法换成小波PCA算法,增加了对地物细节的反映,由此进行端元提取取得了较好的效果。论文还分析了高光谱图像的处理流程,包括图像的几何校正,图像的分类技术(K-mean分类,最大似然分类),高光谱图像镶嵌,并完成了通过高光谱图像提取地物的光谱曲线。对所开发的各算法的应用与演示,都取得了良好的结果。