由于目前存储和传输数据容量存在局限性,导致含有大量空谱信息的高光谱遥感影像无法快速有效的传输。同时,在获取高光谱遥感影像时会受到干扰,使得采集的高光谱遥感影像会产生噪声干扰信息。因此,需要对高光谱遥感影像本身以及对它的采集和重构进行研究,通过不同模型或方法对高光谱遥感影像在采集端和重构端进行优化提升。本文对高光谱遥感影像本身进行了详细的阐述,分析了高光谱遥感影像的先验信息及自身特点。同时结合高光谱遥感影像自身特性以及在不同模式下的表示,对高光谱遥感影像相关的压缩感知重构方法进行了对比研究。在以往文献中所提出的重构算法以及改进的重构算法,都没有充分考虑到高光谱遥感影像本身的空间相关性以及谱间相关性,因此会在误差基础上进行重构,从而导致误差影响扩大。针对以上所提出的高光谱遥感影像获取以及重构时会产生的问题,对高光谱遥感影像本身特性以及影像重构算法进行了研究,本文的主要研究工作如下:(1)对高光谱遥感影像数据模型进行了分析和研究,主要分为两种数据模型:其一为多波段影像集合体模型,这种数据模型是从影像本身构造出发,将整体影像分解为多波段进行研究,在重构过程中充分利用影像空谱相关性进行求解;另一种是线性混合模型,从影像最小组成元素像元出发,将像元分解为端元和丰度,将重构影像问题转化为求解更加稀疏的丰度矩阵问题,提高了重构影像的精准度。(2)构建空谱联合的线性混合模型,将二维端元提取延展到多维空间之中,提出了一种基于空谱联合和线性混合模型的高光谱遥感影像重构方法,利用高光谱遥感影像本身特性在线性混合模型中进行表示,通过空谱联合的方法提取端元,然后进行高光谱遥感影像重构。实验表明,此方法不仅提升了重构效果,同时在低复杂度的前提下降低了噪声影响。(3)由于高光谱遥感影像波段之间噪声影响程度的不同,基于高光谱遥感影像空谱相关性,提出了一种基于空谱联合的波段分类高光谱遥感影像重构方法,根据噪声影响程度对高光谱遥感影像波段进行了分类,对噪声干扰较强的波段采用递减式单边预测重构,对于噪声干扰较弱的波段采用双边预测重构,结合空间相关性通过重构残差迭代修正完成非干扰波段影像重构,充分利用了高光谱遥感影像空谱特性。实验表明,对影像重构效果有很大提升。