高光谱遥感影像具有光谱分辨率高、图谱合一的特点,可以提供区分不同物质的诊断性光谱信息。由于地物分布情况复杂、传感器空间分辨率的限制,高光谱遥感影像上混合像元普遍存在。混合像元分解能够突破高光谱传感器空间分辨力的限制,在亚像元精度内刻画出混合像元的分布情况等真实属性,提高影像信息提取精度。高光谱遥感影像的混合像元分解问题是高光谱信息处理的前沿问题,也是制约高光谱影像定量化发展的难点问题。本文针对高光谱影像混合像元分解中存在的忽略空间信息、端元数目难以精确估计、纯净像元不存在等问题进行深入研究,提出了融合空间信息的自动端元提取与混合像元分解的方法。具体地,本文的主要研究工作可以概括为：(1)总结了混合像元分解的常见模型,研究了线性混合像元分解模型和非线性混合像元分解的模型,以及基于线性混合像元分解的扩展模型、加权最小二乘模型、NCM随机模型和非线性的拓展模型；研究并归纳了自动端元提取与混合像元分解的方法；研究了盲分解理论在混合像元分解中的应用；分析了自动端元提取与混合像元分解存在的缺陷,并指出提高自动端元提取与混合像元分解精度可从以下三方面着手：①融合空间信息与光谱信息进行端元提取与混合像元分解；②精确估计或者自适应地调整端元个数；③针对纯净像元不存在这一情况,将盲分解应用到混合像元分解。(2)提出一种融合空间信息的混合自动端元提取方法,无需数据降维,同时使用光谱信息散度和光谱角距离来增加识别端元的可分性,在保证提取端元准确性的同时,结合正交子空间投影和迭代误差分析,减少端元集合的相关性。不仅可以自动提取端元,还克服因端元集合之高相关性造成的端元提取精度较低的问题。实验结果表明,与传统的自动端元提取方法相比,融合了空间信息的混合自动端元提取端元精度更高。(3)提出了一种基于最小体积方差限制的稀疏删减自动端元提取方法,无需给定初始端元个数,基于稀疏删减自适应的确定端元个数,利用最小体积方差替代最小体积的限制,进而基于非负矩阵分解来自动提取端元。实验证明,与其他的自动端元提取等方法相比,该方法无需端元数目的先验信息,而且在纯净像元不存在的情况下,自动端元提取的精度更高,效果更好。(4)提出一种基于基于空间预处理的最小体积方差限制盲分解方法,该算法基于非负矩阵分解的理论框架,为了克服非负矩阵分解的解不唯一性,最小体积方差的限制施加在端元的求解上(求解源信号上),从而获得端元(信号源)和组分。实验表明,基于空间预处理的最小体积方差限制的盲分解方法与传统的盲分解方法相比,混合像元分解的精度更高。这反映出：同时使用了空间信息和光谱信息,考虑了影像中像素的空间关系,而不仅仅是把影像中的像素当成信号处理,可以更好地识别地物,提取端元；此外,实验还表明,基于空间预处理的最小体积方差限制的盲分解方法与最小体积限制的盲分解方法相比,还可以减少异常点和减少噪声干扰,使得混合像元分解结果更优。