高光谱遥感影像可以提供数十甚至数百含有丰富地球表面的波段信息。从这些信息中,有效提取特征信息,对于地物识别、场景理解、目标检测等诸多相关领域的研究具有非常重要的意义。然而高光谱遥感影像为数据分析提供丰富的有用波段信息的同时,也为高光谱遥感影像分析处理带来许多问题和挑战:(1)噪声问题。高光谱遥感影像在获取过程中,受到传感器、大气、光照变化等因素的影响,影像常会存在大量复杂噪声,使波段信息严重失真,不利于特征信息的有效提取;(2)小样本问题。高光谱遥感影像真实地物标签获取成本高和难度大,不容易采集到大量的标签样本用于训练模型,常会出现仅有少量标签样本可用于高光谱遥感影像分类的高挑战性问题,这种在样本数目稀少情况下实现高光谱遥感影像精细分类的问题,称之为小样本问题。(3)跨区域混合问题。高光谱遥感影像在去噪过程中由于空间分辨率小和地物分布复杂,将经常发生跨区域混合,即除目标地物特征外还混合有其他地物特征,此时,执行去噪任务,将受到跨区域混合影响,使输出影像产生模糊区域,从而影响高光谱遥感影像的特征提取。为此,本文开展了基于改进滤波算法的高光谱遥感影像特征提取研究,在高光谱遥感影像的噪声问题处理、小样本问题处理和跨区域混合问题处理等方面的研究取得了创新性成果:(1)分类优选双边滤波算法及高光谱遥感影像噪声处理针对传统双边滤波在去噪过程中,模板内将会对空间距离近的非相似结构像素分配较大权重,降低去噪效果,影响高光谱遥感影像的特征提取的问题,提出了分类优选的双边滤波改进算法,解决双边滤波去噪效果不理想的问题。该算法通过在双边滤波模板内分类优选,选出结构相似像素生成新模板,排除非结构相似像素对滤波去噪的影响,确保选取的像素应用于权重分配时,构建新的像素具有更好的特征,增强高光谱遥感影像去噪功能,从而更有效地提取影像特征。实验结果表明分类优选的双边滤波提取高光谱遥感影像特征方法即简单又有效。(2)三边平滑滤波算法及高光谱遥感影像噪声处理针对传统双边滤波在高光谱遥感影像去噪过程中,邻域中心像素点是噪声点时,双边滤波不能很好地提取高光谱遥感影像特征的问题,提出基于三边平滑滤波的特征提取方法。该方法在双边滤波的基础上,加入邻域均值相似性判断函数,解决双边滤波在高光谱遥感影像中空间临近测度函数对噪声不敏感以及邻域中心为噪声点时,灰度相似度测量函数不能很好的表达像素之间的实际相似性的问题。结果表明,基于三边平滑滤波的特征提取方法去噪能力强,提取的高光谱遥感影像特征可有效的保留空间特征信息和光谱特征信息,提高了分类器的分类精度。(3)超像素双边滤波算法及高光谱遥感影像小样本处理针对高光谱遥感影像光谱信息维度大,标签训练样本较少的问题,通过使用超图像像素改进双边滤波,提取更接近真实地物的本质特征,从而解决高光谱遥感影像小样本问题。双边滤波对高光谱遥感影像进行去噪时,一方面,如果非结构相似像素和目标像素的距离较近,有可能比结构相似而距离远的像素对输出值影响大,这将局限了双边滤波对非结构相似像素加权限制的作用。同时,虽然双边滤波通过加权对非相似结构像素进行限制,但依然会对非结构像素进行权重分配,非结构像素对输出值依然有影响。另一面,高光谱遥感影像特性与一般的图像特性不同,高光谱遥感影像存在许多同质区域,在每个区域内的像素更可能是结构相似的,使用邻域结构相似像素可以增强目标像素的特征。根据双边滤波存在的局限问题和高光谱遥感影像的特性,如果将高光谱遥感影像的同质区域进行合理分割,然后使用双边滤波分别对同质区域进行过滤处理,将极大的提高双边滤波对非结构相似像素的限制作用,从而使双边滤波提取的高光谱遥感影像特征更明显,更具可分性。由此,本文在双边滤波的基础上,提出超像素双边滤波特征提取算法,通过结合超像素分割算法和双边滤波,提取高光谱遥感影像光谱中的空间和光谱特征,使获得的特征更明显,从而实现小样本在保留原有维度的情况下,能获得高的分类精度。实验结果表明基于超像素双边滤波的高光谱遥感影像特征提取方法在小样本分类问题上得到了突破,提高了分类器的分类性能。(4)传播滤波算法及高光谱遥感影像跨区域混合处理针对高光谱遥感影像在去噪过程中由于空间分辨率小的限制和地物分布的复杂性,常会发生跨区域混合的问题。本文引入传播滤波,在遇到跨区域混合时,不分配或者尽可能小的分配跨区域混合像素的权重,从而避免或者有效减缓跨区域混合的影响。结果表明,基于传播滤波的特征提取方法有效地解决了跨区域混合问题,提高了分类器的分类精度。