高光谱遥感技术以其海量光谱信息在地质勘探、军事应用、植被检测、海洋遥感等领域发挥着巨大作用。但是由于其空间分辨率的限制和各类地物的复杂多样性,图像中除了纯像元之外,还有可能存在包含多种地物的混合像元,因而不能达到高精度的遥感应用目的。光谱解混技术就是利用高光谱丰富的波段信息从像元级进入亚像元级,分解出混合像元中的基本组成单元,即端元,并求出这些端元所占的比例。通过光谱解混的预处理,地物分类识别更为精确,因此在矿物质预测、城市布局分析、化学成分检测等方面有着广阔的发展空间。本论文意图在海洋溢油检测的研究中利用光谱解混技术,实现对高光谱溢油图像中油和水含量的分析,提高溢油检测的精度。论文基于高光谱混合像元的形成机理,在线性光谱混合模型的基础上,利用端元分布的空间相关性,端元光谱的非负性和连续性约束,对光谱解混技术精确性进行提高。研究内容主要包括以下几方面：(1)分析高光谱解混的流程以及多种端元提取的方法,提出利用已有的N-FINDR端元选择算法对高光谱溢油图像进行处理,利用端元之间的相关性对N-FINDR进行改进,实现端元的准确提取并且减少计算量。(2)模拟生成混合像元的影像,验证改进的N-FINDR算法有效性。利用真实水和汽油的光谱曲线模拟高光谱混合图像,并用改进的N-FINDR算法提取端元,通过光谱分解确定每个像元中各端元的比例,从而分析影像中溢油的含量信息。(3)选用实际中的高光谱溢油图像,进行前期图像预处理以及主成分降维处理,进而利用改进的N-FINDR算法实现混合像元的分解,并用于实际图像的油量分析。对实验生成的模拟数据和实际测试数据的处理结果都验证了论文所提出算法的有效性,论文的研究内容也说明了利用光谱解混所得的端元丰度进行油量分析是切实可行的。