高光谱传感器可以在许多狭窄的相邻光谱带中采集图像,为高光谱遥感影像提供了前所未有的丰富信息,但是,传感器记录的光谱值通常是各种地面物体的合成光谱,无法与光谱库中纯地面物体的光谱直接匹配。光谱分离用于区分和定位出现在场景中的各种类型的物质。当这个过程在没有物质光谱参考库的帮助下完成时,这个问题称为盲信号分离。现有高光谱遥感影像盲信号分离研究主要存在如下亟需解决的问题:对ICA数据异常值的处理,原有ICA方法的性能降低甚至失效;快速不动点算法的稳健性;传统的非线性解混算法存在收敛性差、不稳定;传统的高光谱数据去条带预处理效果不佳;缺少可应用于全自动光谱分解的框架。根据研究取得以下成果:（1）利用统计分析方法讨论了高光谱图像中混合像元的分解问题,解决了端元个数的独立估计和后续谱分解的问题。采用快速不动点算法对线性、非线性混合的模拟高光谱图像、真实高光谱图像进行解混,通过设置快速不动点渐进（串行）正交化算法和快速不动点对称（并行）正交化算法,不同的非线性函数,从端元提取的端元个数、模拟高斯白噪声和脉冲噪声三个方面,分析了参数对解混结果的鲁棒性的影响。（2）解决了快速不动点算法的稳健性问题。传统的实信号不动点算法,采用Hyv（?）rinen给出的非多项式函数,来比较算法的精度。并将利用前人提出的负熵近似和分段估计的方法,构造了一个鲁棒非多项式迭代函数应用在高光谱图像混合像元分解中,结果表明该多项式仍能保持其有效的分离性能。（3）将多层非负矩阵分解算法作为一种光谱分解方法进行研究。对多层非负矩阵分解算法进行了参数评估,以确定它们对解混结果的影响。验证算法在线性混合模型的高光谱图像解混稳健性。将多层非负矩阵分解算法引入到非线性混合模型的高光谱图像解混问题中,通过分析解混结果的误差,表明算法虽然收敛速度慢,但仍能获得较好的结果。（4）基于帧正则化低秩非负矩阵分解对高光谱图像复原。利用低秩非负矩阵分解来描述高光谱图像位于低秩子空间,算法能收敛到坐标系下的极小化子集,并在HJ-1A高光谱实验区数据实验,从定量和定性两方面证明了该模型的有效性。（5）许多解混算法通常使用合成的物理数据进行评估。实验以大渡河流域泸定县地区为结果分析与精度验证区域。在野外环境中,完成采集试验区地物光谱数据光谱库。对HJ-1A高光谱实验区影像用多种算法实现端元光谱信息的提取,然后用解混后的较纯光谱与实地采集地物光谱进行比较,结果表明ICA算法解混的端元信息更接近研究区端元光谱,利用该光谱库可以为高原向盆地的过渡地带快速匹配未知地面物体提供参考。综上所述,本文从高光谱遥感影像光谱解混问题出发,建立了快速匹配未知地面端元的框架,实现了端元光谱的自动评估,提高了遥感影像地物识别水平。