目前,我国正处于社会经济高速发展时期,对农业、资源、环境、减灾、测绘和大型基础设施建设的监测精度要求大幅提高,因此,利用高光谱分辨率的遥感影像研究完成对地表的监测将起到至关重要的作用。自20世纪80年以来,高光谱遥感技术一直是地球观测技术的热门领域,它是一门基于光谱学原理通过结合大量电磁波窄波段获取感兴趣物体信息的科学。然而,传统的高光谱遥感影像多采用卫星进行拍摄,所获取影像存在信息时效性较弱,周期比较长,光谱分辨率低以及容易受到天气条件影响等问题。近年来,随着自动控制技术、计算机技术以及传感器技术的快速发展,无人机航空技术得到飞速发展,其所承担的任务已从试验靶机转变为空中侦查,应用范围也逐步由军事领域扩展至民用领域。与传统的航空航天遥感技术相比,无人机高光谱遥感具有研制成本低、研制周期短、运行成本低等优势。由此可见,无人机航空技术的成熟为获取高光谱分辨率和高时效的遥感影像提供了有力支持,采用无人机获取高光谱遥感影像为国民经济建设服务必将成为未来高光谱遥感获取技术的发展趋势。在无人机高光谱遥感系统中,主要包含无人机飞行控制系统的设计以及在后续的高光谱遥感影像处理中特征提取等问题,而无人机飞行控制系统的核心技术是导航系统。因此,本文从导航系统设计和高光谱遥感影像特征提取算法两方面开展研究工作:①提出一种无人机的非线性导航寻迹控制方法,其特征在于,通过GPS模块实时地获取当前无人机的地理位置和飞行方向,并以固定的导航控制周期执行导航寻迹控制;每当导航控制周期到达时,执行导航寻迹控制。针对不同的情况,通过设定的航线和当前无人机的地理位置算出导航角,当无人机远离设定的航线时,飞行与航线任务夹角比较大,导致对应的向心加速度或横向加速度的值比较大,于是就会产生一个较大的导航角,使无人机快速逼近航线。反之,无人机将以较小的导航角去逼近航线。利用该非线性导航寻迹控制方法,使得无人机即使在执行复杂的飞行任务时,也能根据具体的飞行状态改变导航角?的计算方法,使得得到的导航角?更准确。导航算法参数和可以根据无人机的飞行速度动态地进行调整。通过自主设计的无人机飞行控制系统平台进行实验,结果表明:本文提出的非线性导航寻迹算法能够满足工程实际的需要。②在高光谱遥感影像的后续处理中,为了有效利用已标记与未标记样本提高高光谱遥感影像分类精度,提出一种新的半监督流形学习方法——半监督稀疏鉴别嵌入算法(SSDE)。该算法结合了近邻流形结构及稀疏性的优点,不仅保留样本间的稀疏重构关系,而且通过引入少量有标记的训练样本以及大量无标记训练样本来获得数据的内在流形结构,实现鉴别特征提取,提高分类精度。在Washington DC Mall和Indian Pine数据集上的分类识别实验表明,该算法能够较为有效地发现高维空间中数据的内蕴结构,SSDE算法比其他算法的分类性能有明显的提升,在随机选取8个有类别标签的训练样本情况下,SSDE算法在Indian Pine和Washington DC Mall数据集上分类精度分别达到了77.36%和97.85%。本文针对小型无人机高光谱遥感的导航系统以及后续的影像处理进行设计,并通过实验验证了算法的有效性。最后,针对小型无人机航空遥感系统的进一步优化,提出可行性建议。