高光谱成像仪能够获取数百个连续波段上的数据,得到具有较高光谱分辨率的高光谱图像,被广泛应用于对地观测、军事侦查、矿物勘探、精准农业等多个领域。由于光谱成像仪的空间分辨率限制和地表物质的复杂多样性,高光谱成像技术获得的图像像元中往往包含多种物质,这些像元被称为混合像元。混合像元的存在会对高光谱数据分析产生一定的影响,因而,需要利用高光谱解混技术对混合像元进行分离,分解为混合像元的成分（端元）光谱以及其所占的比例系数（丰度）。在传统的高光谱解混方法中,假设端元光谱是不变的。但是,这种假设具有一定的局限性,实际应用中,端元材料的辐射或反射率很有可能会随着环境如光照、大气和时间等因素的变化而发生改变。因此,研究具有端元变异性的高光谱解混方法具有重要的理论和应用价值。本论文重点考虑具有端元变异性的多时高光谱图像解混问题。利用贝叶斯方法,分别在空间域和小波域对噪声结构、端元、丰度以及端元变异性等建立不同的先验模型,并提出了相应的算法。本论文的主要工作和创新点如下:（1）现有的大多数解混方法都假设高光谱图像中所含的高斯噪声在不同波段是相互独立的。而实际中,不同波段的噪声可能表现为异方差,甚至是波段相关的。因此,本文首先分析讨论了三种不同的噪声结构,并对不同方差分布的三类噪声的先验分别进行建模。然后在贝叶斯框架下,结合端元变异性的线性扰动模型,建立了基于最大后验概率（Maximum a Posterior,MAP）的高光谱解混模型,并利用蒙特卡洛（Markov chain Monte-Carlo,MCMC）方法进行求解。进行了相关数值实验,并分析比较了三种噪声方差建模方法的优劣。（2）在已有的分层贝叶斯解混模型基础上,引入新的关于丰度和端元变异性的复合先验。针对丰度的先验建模,在原有时间维连续性的基础上,充分考虑到丰度在空间维的平滑性,利用高斯分布对丰度的空间邻域进行约束,并设计了基于物质分布的空间差异性的自适应方差。对于端元变异性,则在原有时间维约束基础上,加入了光谱维光滑变化的先验。利用MCMC方法对新的解混模型进行求解。实验结果表明,所提出的解混方法得到了较为准确的丰度图,同时在端元提取和端元逼近上,也有很好的效果。（3）利用小波变换在信号检测方面的优势,提出了小波域的分层贝叶斯光谱变异解混模型。首先分析了小波域解混的基本模型,再根据端元和端元变异性的小波系数特点,分别对其高低频小波系数建立先验模型。最后,针对得到的贝叶斯解混模型,用MCMC方法进行求解。模拟和真实实验结果表明了所提出方法在端元和端元变异方面,具有更好的逼近性。