高光谱图像将确定目标材质的光谱与反映其空间几何关系的图像革命性地结合在一起,极大提升了目标的解析和识别能力。高分辨高光谱图像高效处理与分析已成为资源调查、航天侦察、灾害监测等国家重大战略需求的重要支撑技术。然而,高分辨高光谱图像的空谱结构十分复杂、样本标注难、数据维度高且易受外部环境干扰,导致传统高光谱图像处理与分析方法性能面临瓶颈。如何准确表征、高效融合与精确重建高分辨高光谱图像的复杂光谱与空间结构,实现样本稀缺情形下高光谱图像的高精度识别,是信息处理领域的前沿挑战难题与国际竞争制高点。因此,亟需开展高分辨高光谱图像高效处理与分析关键技术研究。本论文在总结与分析现有研究工作之上,针对高光谱图像在成像质量退化、融合增强和地物精确识别三个方面存在的问题,通过利用高光谱图像自身的结构特性和先验信息,构建了高光谱图像耀斑和云雾退化模型,提出了空谱联合多谱段融合增强和多尺度本征结构提取方法,实现复杂场景下地物高精度识别,并在多个真实场景上验证了本文所提方法的优越性和有效性。具体研究内容如下:（1）针对外部环境（如耀斑和云雾）导致高光谱图像质量退化的问题,本文揭示了耀斑和云雾对地物光谱的响应机理,构建了针对耀斑和云雾的高光谱图像退化模型,提出了退化模型引导的高分辨高光谱图像耀斑与云雾去除方法,实现高光谱图像空间-光谱结构信息的高保真复原,与其他耀斑去除方法相比,本文所提耀斑去除方法在光谱保真度上平均提升了78.94%。（2）针对高光谱图像数据维度高,难以直观反映地物反射特性差异的问题,本文借鉴人类视觉感知机理,构建了空谱联合高光谱图像多谱段融合增强框架,提出了类人视觉多谱段融合增强方法,将包含数百个谱段的高维高光谱图像降为三维的同时,极大增强了城市、滨海湿地等场景下地物与背景的对比度,提升了高光谱图像的视觉解译与判读能力,与其他方法相比,本文所提方法对比度平均提升了46.15%。（3）针对高光谱图像空谱结构十分复杂,难以准确表征的问题,本文阐明了多尺度光谱与空间结构特征在非线性空间内的一致化表征机制,提出了非线性边缘保持特征提取方法,构建了高光谱图像多尺度本征空谱结构特征融合框架,实现高光谱图像复杂空谱结构的准确表征,与同类型特征提取方法相比,高光谱图像识别精度平均提升了21.23%。（4）样本标注难、成本代价高、数量稀缺等因素是制约高光谱图像识别性能的核心问题,本文构建了样本稀缺情形下孤立森林的高光谱目标识别框架,提出了扩展随机行走集成学习的高光谱地物识别方法,样本稀缺情形下高光谱图像识别精度比同类型方法平均提升了9.86%。（5）最后,我们在典型高分辨高光谱遥感实例上验证了本文所提特征提取与地物识别方法的性能。包括:1)通过识别黄河口三角洲湿地类型,分析入侵物种分布情况。2)利用特征提取与识别技术对蓬莱19-3c海上溢油进行探测,掌握溢油空间分布情况。3)对雄安新区马蹄湾村农田、居民区与水体进行识别与精确制图。4)通过对武汉洪湖地区高光谱图像进行特征提取,精细化识别该区域的农作物类型。5)融合高光谱与可见光图像对芬兰锡林耶尔维矿物质进行精准探测。