高光谱影像具有丰富的地物光谱信息,较之全色、多光谱影像,其在地物分类识别方面具有巨大的优势。然而,传统的影像分析方法并不能满足高光谱遥感的应用需求。自核方法在支持向量机分类中得到成功的应用以来,人们开始尝试利用核函数将经典的线性特征提取与分类识别方法推广到一般情况。论文在总结高光谱影像分类与特征提取研究现状的基础上,借鉴核方法在诸多领域的应用成果,对基于核方法的高光谱影像分类与特征提取方法进行了较为深入的研究。完成的主要工作和取得的成果如下;1.阐明了高光谱遥感的技术发展现状及其应用中亟需解决的若干关键技术;分析了各种高光谱影像分类方法及其特点;归纳了高光谱影像波段选择及特征提取的研究成果。2.对于基于支持向量机(SVM)的高光谱影像分类,综合使用序列最小优化训练算法、交叉验证网格搜索参数选择技术及几种多类分类器构造方法,构建了快速稳健的多类SVM分类器。通过PHI和Hyperion影像分类实验,表明了所采用的SVM分类器的精度高,而且稳定。3.对于基于核Fisher判别分析(KFDA)的高光谱影像分类,借鉴SVM分类中参数选择技术及多类分类器构造方法,构建了高性能的KFDA分类器。通过OMIS和AVIRIS影像分类,表明了KFDA的分类精度与SVM相当,且训练时间更短。4.将广义判别分析(GDA)引入高光谱影像的特征提取。分析了GDA特征提取的数学模型及求解方法,通过影像特征提取实验,表明了该方法有助于高光谱影像分类精度的提高。