遥感技术的发展推动了高光谱图像在农林农作、海洋监测等领域的发展。但是由于地表空间环境比较复杂,加之有限的空间分辨率,使得高光谱图像中含有混合像元。混合像元的存在影响了地物识别的精确度以及定量遥感的深入发展。因此,对高光谱图像解混,提取端元并获取其丰度,成为亟待解决的问题。首先对盲源分离算法和线性光谱混合模型下的高光谱图像解混理论进行深入研究,通过借鉴盲源分离技术,建立基于盲源分离的高光谱图像解混模型,解决高光谱图像的解混问题。该解混模型将解混问题转化成数值优化问题,利用相关优化算法,对解混模型中的目标函数进行优化求解。现有的优化算法中,传统的梯度法易受初始值的影响陷入局部极值,而群智能优化算法避免了梯度类算法的不足,表现出较好的鲁棒性和较高的收敛性。因此,提出了基于回溯搜索的高光谱图像解混算法,实验结果表明该算法的解混效果较理想。数字信号处理(Digital Signal Processing,DSP)以高性能、实时性、易编程实现性而闻名,为理论算法走向实际工程应用提供了一个理想的硬件平台。因此,将高光谱图像解混算法在DSP平台上实现具有研究价值与实用价值。针对TI公司推出的DSP芯片-TMS320C6748,深入研究基于回溯搜索的高光谱图像解混算法的DSP实现方案。相比于仿真环境的开发,DSP平台的开发是开发语言和开发流程两个维度的难度增加,加之高光谱图像解混算法的运算复杂度高,因此,先对盲源分离中典型算法-FastICA的DSP实现进行了研究。根据FastICA算法的DSP实现过程,掌握DSP平台的开发,进一步完善基于回溯搜索的高光谱图像解混算法的DSP实现方案。最后结合TMS320C6748的实际硬件资源与基于回溯搜索的高光谱图像解混算法,编写源文件以及CMD文件,完成算法的移植,随后进行算法的调试及优化过程,实现高光谱图像在TMS320C6748平台上的解混。实验结果表明,通过对DSP算法在语言和结构上的优化,该算法的执行效率得到了有效提高。