高光谱遥感数据因其包含着图像与光谱双重信息的特性被愈加广泛地应用在军事检测、环境保护和公共安全等方面。但由于自然界中空间及地物的复杂性,图像中的像元往往包含了较多的物质信息,导致大量的混合像元存在,增加数据分析的难度。端元代表了图像中较为纯粹物质的光谱特征,对于定量分析图像成分及其含量具有重要的作用。因此,有效提取高光谱图像中的端元十分有意义。ATGP和MEAC算法是利用正交投影理论和最大似然估计理论提取端元的代表算法,尤其是ATGP算法,已经广泛应用在光谱解混等分析中。但是,他们也都存在固有的问题和缺点。论文在线性光谱混合模型的基础上,展开了上述两种理论下的端元提取算法研究和改进,主要的工作包括：1)分析正交投影类端元提取算法和极大似然估计类端元提取算法各自的优点和缺点,并深入研究其代表算法ATGP和MEAC、SMEAC算法的内在关系；比较不同种类算法的性能；2)对比正交投影方法OVP算法与OSP算法的异同,并利用OVP算法改进ATGP算法得到UVOP算法；通过提取的ATGP与MEAC之间的联系,将MEAC、 SMEAC算法与ATGP和UOVP相结合,得到改进算法ATGP-M与UOVP-M;3)分别在模拟高光谱图像和真实高光谱图像进行实验,选取相关端元提取的对比算法,分析各个算法提取端元的光谱角距离、丰度误差、解混误差以及提取相同端元的运行时间等数据,从而验证改进算法的性能。。理论分析和实验结果都表明,论文所提出的算法具备了正交投影理论和最大似然估计理论端元提取算法的优点,实用性更强。