高光谱图像的地物分类主要是利用地物光谱曲线和地物统计特性这两种方法来识别。其中,利用已知光谱曲线,采用匹配的算法来识别图像中地面覆盖类型是常用的方法,编码匹配分类识别是光谱匹配分类的一种重要形式,常用的编码匹配分类识别方法有光谱二值编码、单阈值编码和多阈值编码等。本文从高光谱图像入手,通过对高光谱地物进行编码匹配来达到地物分类的目的。主要研究工作如下:首先,介绍了DNA编码匹配算法应用到高光谱数据分类识别的方法,DNA计算概念是L.M.Adleman在1994年首次提出的,原理是DNA分子并行的自然操作及分子水平的深化处理技术,DNA计算不仅具有并行计算能力而且有很高的运算效率。因此本文将DNA编码计算的思想运用到光谱地物分类的算法中,通过改进的编码方式将已有的地物光谱数据转化为相应的DNA链编码,通过建立在分子水平上的编码机理、控制机理和变异阈值和循环阈值来对高光谱数据进行地物分类,既可以缩短分类时间减少复杂度,又能提高分类精度。其次,在原有的高光谱数据DNA计算分类的基础上进行改进,针对DNA编码方式,本文采用平均反射率值和波段反射率斜率中间数定阈值的两种编码方法。并借助其他方法选取同类地物来确定训练样本,设定编码偏差阈值,最后设置相应的迭代次数以达到最优分类结果,实验采用AVIRIS传感器所得到的加利福尼亚州萨利纳斯谷地数据集中的十六类地物类别进行分类实验。最后,将实验结果与K均值算法、最小距离分类法和原始DNA编码分类方法进行对比,并比较每种地物的生产者精度、消费者精度、总体分类精度和Kappa系数,显示了在大量高光谱数据下改进的DNA编码匹配能够有效的节省时间并提高分类精度。