光谱解混是高光谱图像众多应用中需要解决的一个关键问题。传统的光谱解混方法假定每类地物仅有一种端元光谱,其端元集是固定的。由于地物的复杂多样性和成像条件的影响,高光谱图像“同物异谱”和“异物同谱”现象普遍存在,从而导致对所有像元用固定的端元集进行解混精度受限。因此,研究端元可变的高光谱图像解混算法对提高高光谱图像的应用具有重要的意义。本文针对端元可变的端元束提取以及多端元光谱混合分析算法展开研究,主要研究内容如下:(1)针对现有的基于光谱信息和空间信息的端元束提取方法没有充分考虑冗余端元的去除,导致后续光谱解混误差增加和光谱解混复杂度较高的问题,提出了一种基于超像素分割和像元纯度指数的端元束提取方法。首先通过PPI提取初始候选端元,每个超像素内保留一个候选端元并以超像素为邻域计算其均质性指数,对保留的端元根据其均质性指数进行筛选,通过聚类得到每类地物的端元束,并进一步去除类内冗余端元。仿真和真实数据实验结果表明,所提出的方法能有效提取可变端元且能降低后续光谱解混的复杂度。(2)针对基于超像素分割和纯像元指数的端元束提取算法无法有效解决含多种植被和植被与其他地物致密混合的城市高光谱数据的问题,提出了基于植被指数分析和PPI结合超像素分割的端元束提取方法。对PPI提取并经超像素分析保留的端元集,根据植被指数分为植被端元、含植被的混合端元和其他端元三类。纯植被端元集利用其最大光谱值分成两类,其他端元集则先利用均质性指数进行筛选,再通过聚类得到每类地物的端元束,通过一系列实验验证了该算法的有效性。(3)多端元光谱混合分析同样是解决光谱可变性的有效手段。为了在降低光谱混合分析时间复杂度的同时提高其精度,提出了一种由粗到细的多端元光谱混合分析算法。该算法首先基于扩展的端元集对每个像元进行全约束光谱混合粗分析,确定含所有地物的初始端元集,在此基础上进一步进行精细光谱混合分析,迭代光谱混合分析构建端元子集,最终根据重构误差变化量确定各个像元的最优端元集。实验结果表明,相比迭代光谱混合分析法和分层多端元光谱混合分析法,所提出的方法能有效降低误差并改善计算效率。