20世纪80年代,随着遥感技术的不断发展,人们能够同时获得地物的空间以及光谱信息,从而实现了图谱合一,解决了很多以前全色或多光谱不能解决的问题。随着光谱成像技术发展的越来越快,国内外已经有多颗搭载高光谱成像仪的卫星升空并投入使用,这些传感器获得的数据必将进一步推动高光谱图像的发展与应用。而衡量这些传感器获取的图像质量最为关键的一个指标,即是数据中噪声的强度。因此,如何准确评价图像中的信噪比,分析噪声对应用的影响成为迫切需要解决的课题。为了能够准确地估计高光谱图像的噪声强度,本文提出了一种基于双参考波段线性预测的噪声强度估计算法。对该算法采用的原理以及利用谱间相关性提高噪声的估计精度等进行了研究。针对现有算法并未充分利用高光谱图像的谱间相关性强的特点,提出双参考波段线性预测模型。首先,确定图像的参考波段,对参考波段进行重构,根据重构结果,利用预测模型对该组内非参考波段进行计算。根据实际值与预测值之间的差值,得到差值向量。利用得到的向量迭代修正,直到预测值不再改变,此时得到的结果即为高光谱图像的噪声强度估计值。本文分别采用模拟和真实高光谱数据进行噪声强度估计,从实验的结果可以看出,与传统方法的相比,本方法在噪声强度估计的准确性以及鲁棒性上具有一定的优势,噪声的估计误差在7%左右,并且在加入额外噪声情况下,依然能够输出稳定的结果。本文也对噪声对高光谱图像分类的影响进行了相应的探索,在真实数据集Indian Pines和Cuprite数据中进行噪声对高光谱图像分类影响的实验,并且对所得实验结果进行分析。实验结果表明,在加入不同强度和不同类型噪声条件下,高光谱图像分类的精度缓慢下降,在Indian Pines数据中加入的噪声标准差超过30后,分类精度有了明显变化。在Cuprite数据中加入不同类型噪声时,分类精度也出现了不同程度的波动,误差接近10%。这就表明了不同信噪比对分类精度有很大的影响,所以定量分析噪声对高光谱图像的分析和使用具有重大意义。