高光谱成像技术是上世纪80年代初在遥感领域发展起来的成像技术,其主要数据特点是图像波段数目多、光谱分辨率较高。高光谱遥感在专题图和地形图的测制和更新、环境监测与灾害评估、岩矿的探测和识别、农作物和植被的精细分类等领域具有良好的应用前景。然而,混合像元的广泛存在制约着高光谱遥感的应用。因此,如何有效地解决混合像元问题是高光谱图像处理技术面临的难题之一。本文以此为背景,对高光谱图像解混算法进行了深入的研究,主要工作概括如下:1.提出了基于结构先验低秩表示的丰度估计算法。该算法利用光谱库作为端元,相比于光谱库中光谱的数目,一幅高光谱图像中的端元数目是非常少的,因此对应的丰度矩阵是低秩的。同时考虑到光谱库中光谱之间较高的相干性,采取了光谱库修剪策略,即所谓的结构先验低秩表示。该算法不仅可以捕捉丰度矩阵的全局结构,还可以降低光谱库中光谱之间相干性带来的不利影响,提高了解混的精度。2.提出了基于空间一致性低秩表示的高光谱图像解混算法。该算法通过在基本低秩表示模型中加入空间一致性正则项,考虑了数据的空间信息。空间一致性正则项,即约束了空间近邻像元具有类似的丰度,同时考虑了边界问题的处理。由于同时利用了高光谱数据的光谱信息和空间上下文信息,该算法获得了较好的解混结果。3.提出了基于端元约束低秩表示的丰度估计算法。由于相比整幅图像的端元数目,局部区域包含的端元数目较少。因此通过利用稀疏表示方法对不同区域中不同端元对混合像元组成的贡献度做出评估,在基本低秩表示模型中加入端元约束正则项,形成了本算法的思想。实验结果表明该算法能获得较好的解混准确率,是一种较好的解混算法。