高光谱遥感数据包含了地表丰富的空间和光谱信息，既表现了地物的空间分布特征，又能获取每个像元的光谱特征并从中提取出光谱反射曲线，从而利用光谱运算与匹配在目标识别、地物分类、信息提取等应用中显示出巨大的发展潜力。但是由于各种因素的影响和干扰，原始的遥感数据往往存在各种噪声；即便经过一系列数据预处理，图像光谱维数据还是存在大量锯齿状噪声，严重影响了数据的质量及其在应用中的精度。因此，光谱维噪声去除是高光谱遥感数据处理分析中不可缺少的一环，有着极其重要的科学意义和实用价值。　　 由于小波变换在噪声去除上特有的优势，目前国内外学者利用小波变换在高光谱遥感去噪方面已开展大量工作，作者在此基础上也进行了一系列工作，具体包括：从典型地物的光谱曲线入手，采用小波阈值法去噪后，通过效果评价得出对应噪声水平下的最佳参数组合；然后将上述结论引入高光谱遥感光谱维数据噪声去除中，并对去噪效果进行评价。　　 研究内容与主要结论如下：　　 1.建立了地物光谱曲线小波变换噪声去除模型，并通过效果评价得出对应噪声水平下最佳的参数组合。该模型对USGS光谱库中的植被光谱添加了信噪比为30的高斯白噪声，通过不同的参数组合对之进行小波去噪，进而对去噪效果进行评价。评价结果表明：在该噪声水平下，使用sym6，db12，sym9小波进行3-7层分解，采用软阈值函数处理小波系数并选择heursure阈值方案，可以得到满意的去噪效果。　　 2.建立了高光谱遥感光谱维小波变换噪声去除模型，并对去噪效果进行评价。将Hyperion高光谱遥感影像中每个像元的光谱提取后，参考上述结论对之进行去噪，再将去噪后光谱还原至高光谱数据立方体中。评价结果表明：该方法能有效去除锯齿形噪声且未对光谱维数据的光谱特征产生显著性改变，能兼顾光谱噪声的去除和光谱特征的保留，对高光谱遥感数据定量化分析及其应用具有重要的理论意义和实际应用价值。　　 3.提出了一种光谱去噪效果的客观评价标准——综合评价系数η。该系数将均方误差、光谱角和信噪比三项指标进行整合，能综合考虑去噪前后光谱数据的差异程度、波形的相似度和噪声的去除程度，合理性更强。