近些年来高光谱遥感在精细农业、地理勘测、资源调查等领域扮演着重要的角色,而由于空间分辨率和光谱分辨率之间的制约性及致密混合物的存在,混合像元普遍存在,如何对高光谱遥感图像实现精确的分类与分离对实现定量遥感有着极其重要的影响。为解决相关问题,本文提出一种基于MCMC的高光谱遥感图像分类与分离方法,结合端元可变性和空间信息,可同时实现高精度的分类与分离;另外,为了批量处理和快速分析,搭建了基于Flask的高光谱遥感图像分析平台,提供面向多种用户需求的高光谱应用模块。首先,多元逻辑回归用来建立只考虑光谱信息的先验模型。多元逻辑回归是一种逐像素多分类方法,其得到的概率满足丰度的非负和归一化要求。因此,本研究以多元逻辑回归的初始概率作为丰度的先验,并通过正态分布假设下贝叶斯与多元逻辑回归的等价关系将这种先验知识引入到模型中。通过仿真证明,多元逻辑回归在一定程度上反映了地物的真实分布情况。为了考虑端元的可变性,正态组成模型用来表征高光谱图像中的混合像元,假设混合像元的光谱是系数为丰度的高斯随机向量的线性组合;结合各像元光谱的条件独立性,光谱向量的集合是独立的正态混合分布。考虑到丰度的归一性和非负性,选择Dirichlet分布作为丰度的先验分布,并通过参数非定常化将邻域丰度信息和粒度先验引入模型。基于光谱向量、粒度及丰度的联合分布,建立分层贝叶斯模型,得到粒度和丰度的全条件后验分布,并通过MCMC方法—Gibbs采样对后验分布进行估计,从而得到丰度的估计值。同时,利用递归特征消除结合交叉验证来进行波段选择,通过对Pavia University、MUUFL Gulfport数据集的分类及Indian Pines、Salinas数据集的分离实验,验证了基于MCMC的高光谱遥感图像分类与分离方法的有效性。最后,根据上述理论与算法研究,本论文建立了高光谱遥感图像分析平台。该平台采用Python下的轻量级Web框架Flask作为开发框架,MySQL和Flask-SQLAlchemy来管理数据库,HTML/CSS/JavaScript、jQuery、Bootstrap来构成前端页面,集成用户登录/注册、特征选择、分类(多元逻辑回归、支持向量机、MCMC)、分离(MCMC)等功能。通过对各功能模块进行测试,验证了平台功能的完备性。