高光谱图像以其“空谱合一”的特性被广泛应用于精准农业、地物目标勘测、环境检测、城市遥感等诸多领域,而这一系列应用的实现都离不开图像处理技术的发展。高光谱图像处理可分为数据预处理与数据分析两部分,包含图像分割、归一化、滤波、特征提取、分类识别五大环节,论文对高光谱图像数据预处理中的图像分割、图像归一化、图像滤波算法进行了优化研究,结合论文中提出的优化算法,探索开发了分类精度98%以上的小麦赤霉病高光谱识别模型。如下为论文的主要工作与贡献:1)针对高光谱图像中小麦籽粒与背景的分离问题,提出采用连续投影算法提取高光谱图像中线性相关性最小的20个波段作为特征波段,并计算由这些特征波段组成的光谱的光谱角,依据光谱角进行阈值分割,最后利用图像形态学算子对所得到的掩膜图像进行腐蚀和开运算的图像分割方法。该方法能够近乎100%的从高光谱图像中分离出小麦籽粒与背景的光谱信息。2)针对反射率反演光谱与标定光谱均方误差大、辐射归一化校正不准确的问题,提出了双反射率板反演法,通过合理设计高光谱图像采集方式,利用已标定的高光谱数据结合摆扫式成像光谱仪噪声分布的特点,对图像噪声进行近似估计,并依据图像估计噪声与标准反射率板DN值对图像进行反射率反演,此方法得到的反射率光谱与标定光谱均方误差小于0.0001。3)针对Savitzky-Golay(SG)滤波算法对高光谱图像分类精度提升有限的问题,提出了高光谱图像TSG滤波算法,构建了针对高光谱图像空间以及光谱质量评价的多维度评价系统,该评价系统表明TSG滤波基本不改变图像特征信息、滤波后图像信噪比高、光谱特征被增强。经过前面的分割提取及TSG滤波后利用主成分分析算法提取小麦籽粒高光谱图像的前六个主成分,利用支持向量机算法依据这六个主成分对小麦籽粒像元进行分类识别,如此构建的小麦赤霉病高光谱识别模型分类精度高达98.69%,为小麦赤霉病高光谱普查检测提供了技术支持。