高光谱影像中存在大量混合像元,极大地限制了高光谱影像的定量应用,因此高效且精准地进行像元解混就尤为重要。众多高光谱影像解混算法中较为有效的是非负矩阵分解(NMF)算法。传统的非负矩阵分解(NMF)算法多是从整副影像出发进行像元解混,很少考虑到局部端元子集优选问题,且在分解过程中往往只考虑高光谱影像的空间特征,而忽略了光谱特征。为了解决以上问题,本文改进了一种结合欧式距离和光谱信息散度的高光谱解混NMF初始化方法(Improved Hyperspectral Unmixing NMF Initialization Method Based On Space Spectrum Fusion,IISSF)。在初始化基础上,结合标准NMF算法和分块NMF算法进行平行对比实验。结果表明,在合成影像实验中,在信噪比为20dB至50dB范围内,经过IISSF初始化后的分块NMF算法获取的结果要优于其他方法;且其在真实影像实验中获取的端元光谱与真实影像端元光谱之间具有最小的平均光谱角差值,即0.1812;其重构影像与真实影像之间的均方根误差值最小,即0.007。