在过去三十年间，随着成像光谱技术的不断发展，在飞机或卫星平台上搭载的成像光谱仪采集得到的遥感图像包含了越来越丰富的空间、辐射和光谱信息，从而为地表物质的信息提取和目标检测提供了一个强有力的手段。高光谱遥感数据最主要的特点是将图像维与光谱维信息融合为一体，在获取地表空间图像的同时，得到每个地物的连续光谱信息，从而实现依据地物光谱特征的地物成份信息反演或地物识别。高光谱技术在作物估产、资源调查等领域中显示出巨大的优越性和重要性，但面临的一个问题就是混合像元。对于一套光学遥感器系统而言，图像空间分辨率和光谱分辨率是一对矛盾，在给定信噪比的条件下，较高光谱分辨率(窄光谱波段)往往意味着不能同时具有高空间分辨率。混合像元分解就是进入像元内部，将混合像元分解为不同的“基本组分单元”，或称“端元”，并求得这些基本组分所占比例。使遥感应用由像元级达到亚像元级。　　 近几年提出的非监督光谱解混算法中，利用非负矩阵分解模型的一类算法表现出了较好的性能，并且也产生了不少改进方法，然而目前已有的算法大多是考虑到光谱数据的宏观上的空间和波段维上的特性，都没有去挖掘光谱内在特性和物质光谱的物理产生机理。本论文从物质分子光谱的产生机制和光谱内在特性出发，引入了红外光谱中常见的一个吸光度曲线的介绍及其曲线特点，根据高光谱数据光谱特征的反射率曲线与吸光度曲线之间比较明显的转换关系，引入了相应的光谱曲线特性，并将此特性作为惩罚项融入了非负矩阵分解的目标函数，提出了相应改进算法，接着用模拟数据和真实高光谱数据所做的一系列实验也验证了算法的可行性和先进性。