随着数字地球的提出，高光谱遥感技术在科学技术以及日常生活中占据着越来越重要的地位。利用高光谱遥感技术可以及时获取地面信息，从而进行图像分析处理，探测地面地物分布情况，可为地质找矿、地质灾害、环境检测、大气研究、城市交通等等方面提供了第一手资料。根据获取的高光谱数据，可以根据提取的光谱进行地物分类，根据单一地物的纯净像元光谱可对混合地物的光谱解混后进行归类，因此端元提取成为高光谱遥感技术中的关键步骤。由于高光谱数据高达几百个波段的数据特征，致使其数据量过大，如何利用数据进行有效分析和提取端元光谱成为高光谱遥感图像处理中的关键难题。目前，高光谱混合光谱分为线性和非线性两种模型，常见的高光谱遥感图像端元提取方法都基于线性模型。线性模型中又分为自动式和交互式两种方式的端元提取，相对来说自动式的端元提取方法更易于计算机实现，且避免一些人为操作造成的误差；而交互式能人为控制一些需要根据实际情况进行调整的问题。总的来说，无论是交互式还是自动式端元提取，都取得了一定的成果，能成功地应用到实际应用中。本文根据高光谱的高维数据结构进行分析，针对端元提取方法的要求，先从不同的降维准则出发研究了PCA、MNF、SVD三种降维算法，并通过程序实现说明了这些方法在高光谱遥感数据降维方面的有效作用；在各种端元提取方法对降维要求的前提下，研究了四种端元提取方法的效果，分析了其方法的缺陷，将PPI、N-FINDR受随机化数据的弊端、IEA时间复杂度进行改进。根据其算法本质，利用givens旋转，实现了PPI从随机投影到有向投影转变；利用聚类思想，将N-FINDR最终获取的行列式值从不稳定转变到稳定；IEA在快速聚类基础上进行分类迭代搜索后，降低了时间复杂度，提高了提取的端元的精度。选取矿区实例数据进行实验对比，实验结果验证了改进算法的效果，也对比得出PPI相对N-FINDR和IEA算法更能全面地提取出更多具有极大可能的像元作为端元。最后针对部分算法进行了并行设计展望。