高光谱传感器具有很高的光谱分辨率，—般在10-2λ量级，可以在紫外到短波红外的波段范围内(0.4～2.5um)获得很窄且连续的地物波谱曲线。高光谱遥感影像集连续的地物波谱、地物的辐射强度以及空间成像于一身，使得原本在多光谱影像波谱空间中无法识别的地物，在高光谱遥感中能够被识别出来。高光谱遥感的这一特点使得其在矿物识别和地质填图中得到了广泛的应用。研究表明，内部结构稳定的岩矿往往具有比较明显的吸收特征。这些吸收特征的吸收宽度一般在20～40nm之间。高光谱传感器（如AVIRIS和Hyperion）的光谱分辨率一般小于10nm，且具有连续的波谱，可以用于探测岩矿的吸收特征。而多光谱传感器(如MSS和TM)的波段宽度一般在0.1～0.2um，无法用于探测岩石矿物。　　本文以美国内华达州Cuprite矿区为研究区，基于AVIRIS高光谱数据，采用光谱匹配和监督分类两种方法来识别矿物。其中以光谱匹配技术为研究重点，监督分类作为辅助手段。在光谱匹配识别矿物中，基于USGS矿物波谱库，采用最小距离、光谱角、光谱相关性、光谱相关角、光谱信息散度和光谱梯度角等6种匹配算法，对光谱重采样后的原始影像光谱、连续统去除后的光谱、波段深度以及导数后的光谱进行匹配。在监督分类识别矿物中，主要依据假彩色合成图来选择感兴趣区，采用最大似然、支持向量机、二值编码等方法识别矿物。其中，假彩色合成比较使用了最佳波段因子、MNF变换和诊断性光谱吸收特征参数影像三种方法。本文还提出了一种基于光谱匹配技术的改进的矿物识别方法。研究表明:光谱匹配技术能够成功的识别出矿物。其中，在基于原始光谱的矿物识别结果中，光谱角和光谱信息散度的识别效果较好;在基于包络线去除和波段深度的矿物识别结果中，光谱相关角、光谱相关性和光谱梯度角的识别效果较好;由于影像存在噪声，导致基于光谱导数的矿物识别效果较差;海明窗滤波能够去掉噪声，改善矿物识别效果;包络线去除是一把“双刃剑”，有可能导致误判;改进的方法能够改善矿物识别的效果。最后建立了基于光谱匹配技术的矿物识别系统。