遥感图像受传感器空间分辨率有限性和地表物质覆盖类型复杂性影响，混合像元普遍存在其中，是传统的像元级遥感应用精度难以达到使用要求的主要原因。为提高遥感应用的精度，就必须解决混合像元的分解问题。混合像元光谱解混一般将图像中像元光谱表达为端元和丰度系数的组合。端元(Endmember)作为描述混合像元的主要参数，代表某种具有相对固定光谱特征的地物，在图像压缩、目标监测、变化检测、图像分类和地物填图等领域都发挥着重要的作用。　　 与传统的多光谱遥感相比，除空间和辐射信息外，高光谱遥感图像还含有丰富的光谱信息，因而具有端元提取和混合像元光谱解混的能力与优势。高光谱遥感图像的端元提取是理解高光谱数据、继而对数据进一步分析应用的前提。因此，端元提取算法有着重要的意义，对高光谱遥感图像进行端元提取是非常值得研究的课题。　　 基于线性混合模型已有的大多数高光谱端元提取算法都是将地物端元以纯像元的形式存在于图像中作为前提条件，但混合像元的普遍存在，则可能使得这些算法提取的端元仅仅是图像中最近似实际地物端元的像元，并不能完全代表地物端元。本论文针对高光谱遥感图像中可能没有纯像元存在的事实，提出了一种高光谱遥感图像的端元递进提取算法。主要研究结论如下：　　 1)提出了高光谱遥感图像的地物端元递进提取算法。将端元的提取分为两个步骤，即提取初步的端元，和递进的提取最终端元。在基于单形体体积法从图像中直接提取的初步端元基础上，利用端元在高维空间中的几何特征，通过三个端元的迭代组合递进的提取出最终的端元，这些递进提取的端元光谱在图像上是不存在的。　　 2)基于ENVI平台，使用IDL语言实现了算法。从JPL典型光谱数据库中提取四条光谱曲线按Hyperion影像的波段响应范围生成两幅模拟的高光谱遥感图像数据，用以验证算法的可实现性和正确性。提取端元光谱曲线的直接对比和光谱相似性测度证明了本研究算法的有效性，递进提取结果较直接提取的结果更近似于真实地物光谱。　　 3)将算法应用到AVIRIS机载高光谱遥感图像中，验证算法的实际应用能力。应用提取结果，通过对研究区典型地物光谱分析、端元丰度制图、分布制图分析等，验证了算法的实际应用能力。并且通过对异常点的分析和提取端元的综合评价，全面地检测了算法的应用能力。　　 论文提出的算法应用于模拟高光谱数据和实际高光谱遥感影像的提取结果，都证明了算法的可行性和正确性，取得较好的结果。