遥感技术的发展一直伴随着空间分辨率与光谱分辨率的进步。传统的多光谱扫描仪对光谱曲线的采样是零散的，从可见到短波红外它通常只记录10个左右的光谱波段，其光谱分辨率也在0.10μm数量级。而高光谱成像或成像光谱却能够得到上百通道、连续波段的图像，从而可以从每个图像像元中提取一条完整的光谱曲线。 高光谱遥感将确定地物性质的光谱与确定地物空间与几何特性的图像有机地结合在一起。从空间对地观测的角度来说，高光谱遥感信息无论对地物理化特性的深层探索，还是对地物间微小差异的精细识别，以及对自然界的知识发现，都为人类提供了前所未有的丰富信息。随之而来的问题就是，面对如此多的波段、如此海量的光谱图像信息如何去处理、如何从中提取我们需要的信息，黑白图像以及多波段彩色图像的一些处理算法甚至主要处理和分析手段已经无法满足高光谱遥感信息的处理要求。高光谱图像立方体图谱合一的特点，要求人们从光谱维去理解地物在空间维的变化，人们对二维空间图像的处理与分析需要转化成对每个像元所提取出的光谱曲线的处理与分析。而本论文的核心正是围绕着高光谱数据处理与分析这个核心，从系统性与创新性的角度展开相关论述。 本篇论文在第一章高光谱遥感综述的基础上，利用第二章和第三章，就高光谱数据的定量化和参量化、高光谱图像分类与地物识别这两个关键的高光谱信息处理技术环节进行论述。它们在总结国内外研究成果的基础上，提出了作者自己的研究思路和研究成果，这也为后两章研究内容的展开提供了数据处理和分析的技术铺垫。第四章和第五章就时间和空间信息辅助下的高光谱遥感数据挖掘问题进行系统化地研究和论述，这两章内容拟在探讨以高光谱图像数据为核心的前提下，面对不同的问题，如何从不同角度发挥空间和时间辅助信息的作用，以更加有利于高光谱遥感应用研究的发展。归纳起来，本研究在高光谱信息处理与提取领域取得了如下几点进展： (1) 在光谱特征选择方面，提出了高光谱图像波段选择和目标在图像中快速查找技术。在光谱特征提取和光谱减维方面给出了多种光谱参量化方案。结合高光谱地质遥感和地层分析的应用实际，首次提出了光谱柱状图的概念。它通过变差分析技术放大了相似沉积地层的光谱差异，将光谱曲线变换成彩色光谱条码，从而建立起新疆吐鲁番背斜14套地论文摘要(2)(3)(4)(5)层的光谱柱状图。本论文在实践和分析前人高光谱图像分类方法的基础上，提出了特征优化的专家决策分类算法。这种算法主要体现了两大原则，一是基于待分类别的光谱特征优化与参量化原则，二是类别判定中的模糊定义与专家决策原则。论文给出了这种算法的普遍性运算流程，并通过与其它几种方法的对比显示了它的优越性。本论文在高光谱伪装探测方面比较了几种不同伪装材料的光谱曲线数据，说明了在短波红外鲜活植被所特有的液态水吸收光谱特征是很难模拟的，这将成为植被伪装识别的重点。同时，本文在北京亚运村地区基于凸面几何体投影变换技术成功地完成了建材市场屋顶板材的高光谱探测。本论文在植被光谱特征分析与高光谱植被指数构建基础上，将多时相的高光谱图像立方体变换成多时相指数图像立方体(MllC)，并利用MllC模型分析了日本生菜、中国大白菜、氮与水胁迫下的小麦生化参量时空变化规律。本论文在空间信息辅助下的高光谱数据挖掘方面，提出了基于图像光谱复原的空间域遥感数据融合模型、像元空间关联分析模型、图斑级光谱分解与分类模型、DGM辅助高光谱图像分析模型。它们分别从四个方面论述了空间辅助信息在高光谱遥感数据处理与应用中的作用。