遥感技术是一门新型的对地观测技术,伴随着成像光谱仪技术的进步和遥感技术的发展,它可以获取丰富的空间信息,光谱信息和辐射信息,高光谱遥感图像技术已经被应用于很多领域。由于高光谱图像有着较低的空间分辨率,每个像元中可能存在多种地物的信息,使得混合像元问题广泛存在,这也是阻碍了高光谱图像的实际应用。混合像元分解是处理高光谱混合像元有效的方法,它是将混合像元分解成混合像元所包含的端元信息和对应的丰度信息。目前,在高光谱图像处理领域混合像元分解的方法不断涌现。高光谱线性混合模型因其简单、物理意义明确而被广泛应用。线性混合模型是假设图像中的像元是由所含有的物质的端元和相对应的丰度是线性混合而成。在现有的非负矩阵方法中,一般是针对图中所有地物信息进行解混,然而实际应用中常常并不需要求取全部地物类别的丰度信息。如果只考虑感兴趣类别,那么既不能将非感兴趣类别简单地去除,又要抑制非感兴趣类别带来的不良干扰,这是一个二难问题。本论文总结了前人的研究成果,结合非负矩阵分解,并针感兴趣类别的混合像元分解进行了研究,主要的研究内容如下:首先,阐述了高光谱线性混合模型,介绍了线性混合模型的解混步骤,并对常用的端元数目估计算法、光谱端元提取算法和丰度反演算法进行了介绍。然后,重点研究了非负矩阵分解算法,并对非负矩阵分解算法进行了简单介绍,同时,介绍了非负矩阵分解在高光谱图像处理中的应用和几个比较典型的带有约束项的非负矩阵算法。提出了一种面向感兴趣类别的非负矩阵算法,将端元矩阵和丰度矩阵分解为感兴趣类别和非感兴趣类别两个部分,对感兴趣类别进行约束。假设感兴趣类别的端元构成了单形体的顶点,用单形体顶点到中心距离最小化作为约束项,实现对感兴趣类别解混的同时兼顾非感兴趣类别的存在。并通过实验分析算法的抗噪声性能和像元规模不同情况下的解混性能,同时也验证了提出算法的有效性。最后,研究了在不同物质的光谱中,类内物质与类间物质的光谱距离的差异。提出了一种新的距离约束的非负矩阵分解算法。利用不同物质间的端元光谱的相似性和可分性,对类内物质和类间物质光谱采用不同的约束方式。并通过实验分析了算法的有效性,同时也分析了算法在噪声和像元规模不同情况下的解混性能。