近年来，随着深度学习的发展，基于深度学习的特征提取方法在高光谱图像领域表现出良好的发展前景。提出了一种引入注意力机制的多尺度高光谱图像特征提取方法，包括光谱特征提取网络和空间特征提取网络两个部分，并使用一种得分融合策略进行融合。在光谱特征提取网络中，引入注意力机制来缓解因光谱维数过高导致的梯度消失问题，以提取多尺度的光谱特征。在空间特征提取网络中，引入注意力机制作用于网络主干，使其关注邻域内的重要部分，帮助分支网络提取关键信息。将5种光谱特征提取方法、3种空间特征提取方法以及3种空间-光谱联合特征提取方法在3个数据集上进行对比实验，实验结果表明，所提方法能够稳定、有效地提升高光谱图像的分类准确率。

针对基于卷积自编码进行空-谱联合的高光谱解混方法中，过度引入像元光谱之间的空间相关性导致丰度过于平滑的现象，提出一种结合注意力机制的双流卷积自编码高光谱解混方法（DSCU-Net）。首先，利用双流卷积网络分别提取高光谱图像的空间特征和光谱特征；其次，为了确保空间特征和光谱特征之间的平衡性，引入通道注意力机制对提取到的空间特征进行重加权，并对光谱特征和重加权后的空间特征进行融合；最后，使用融合后的特征进行高光谱图像重构，并将重构结果送入解混网络的主干网络中进行光谱解混。通过最小化两次重构误差进行解混网络的训练。为了验证所提方法的性能，在两个真实数据集上进行实验，并对复杂场景下算法的性能表现进行分析。结果表明，DSCU-Net能够有效减少过度引入空间相关性造成丰度过于平滑的现象，具有更好的解混性能。

为了提高遥感图像空间域重建质量, 采用改进凸集投影(POCS)算法的点扩散函数, 提出了一种改进的POCS超分辨率重建算法。首先给出POCS算法基本原理以及具体实现步骤, 在此基础上对算法做出改进, 即对待重建的高分辨初始帧进行边缘检测, 对检测到的边缘像素点应用改进的点扩散函数(PSF), 使边缘处像素点对应的PSF水平方向与垂直方向系数依据边缘斜率变化而设置不同的权重; 最后分别采用两组数据集对改进POCS算法的有效性进行验证。结果表明, 该改进的POCS算法有效地提高了图像重建的效果, 两组实验平均绝对误差效果分别提升了0.79%和0.26%, 达到了提高图像重建质量的目的。该算法具有较好的实际应用价值。

自动形态学端元提取(AMEE)算法中的形态学算子在纯像元集中分布的区域无法得到正确的结果。现有膨胀操作在每个结构元素内只能提取一个候选端元, 会造成重要像元丢失。为了解决这些问题, 采用改进的形态学算子和结构元素对AMEE算法进行了改进。首先引入参考光谱向量的概念构建了改进的形态学算子, 并给出了形态学离心率指数新的计算方法, 然后利用偶数大小、改进的结构元素, 从每个结构元素内选出4个候选端元, 最后对改进的基于自动形态学的端元提取算法进行了分析和实验验证。结果表明, 改进的方法能从纯像元集中分布的区域获得正确的候选端元, 并在一定程度上避免膨胀过程中的信息遗失, 从而能够有效地提升端元提取的精度和像元解混的效果。

为了解决在应用传统高光谱地物识别方法时, 由于吸收峰个数不同, 造成的光谱匹配误差较大的问题, 采用了一种基于高光谱吸收峰特征的选择方法, 根据选择后的吸收峰特征进行光谱曲线匹配。该算法首先对高光谱曲线进行包络线消除并提取光谱特征参量矩阵, 然后根据标准特征参量矩阵与待测特征参量矩阵的每个向量的余弦距离-欧氏距离来逐一寻找吸收峰的匹配向量, 之后根据选择的吸收峰特征参量矩阵进行了理论分析和实验验证。结果表明, 该算法可以搜寻到最佳的特征参量向量, 从而实现吸收峰的选择, 用选择后的吸收峰的特征参量矩阵进行高光谱匹配。这一结果对降低匹配的误差是有帮助的。

为了融合光谱形状差异信息和多项式核函数全局信息, 充分挖掘地物特征, 提高异常检测正确率, 提出了一种加权组合核RX算法。该算法在高斯核函数的基础上, 增加一个光谱角核函数。由于核函数参量和加权参量直接影响算法性能, 分别采用了随机函数法、爬山法和粒子群算法对上述参量进行了选择。结果表明, 在恒虚警率下使用粒子群算法进行参量设定得到的效果最好, 且采用加权组合核函数RX算法得到的目标检测率为83.5%, 相对于普通的核RX算法, 正确率得到了提高。

气溶胶类型在反演光学厚度时非常重要，采用待反演地区最合理的气溶胶类型可以极大地提高反演精度。结合中分辨率成像光谱仪(MODIS)的数据，提出一种确定气溶胶各组分体积百分比的数学模型，利用这种数学模型得到自定义的杭州地区气溶胶类型，结合改进的暗像元法并基于6S大气辐射传输模式可以反演得到气溶胶光学厚度。将反演结果与AERONET 太阳光度计的气溶胶观测值进行对比，结果显示反演的相对误差绝对值在20%以内。采用6S大气辐射传输模式给出的标准气溶胶类型对杭州地区大气进行光学厚度反演，将反演结果和采用自定义气溶胶类型时的反演结果分别与太阳光度计的观测值进行对比，结果表明采用自定义的气溶胶类型时反演值的相对误差绝对值比采用标准气溶胶类型时反演值的相对误差绝对值要低3%以上。

对高光谱影像的 RX异常检测算法进行了研究。针对 RX算法中对高维数据局部背景协方差矩阵估计存在较大误差的局限性，提出一种基于决策级融合的 RX算子高光谱影像异常目标检测算法。首先，对同一场景下的可见近红外数据和短波红外数据分别运用经典的 RX算子进行异常检测，得到初步异常检测的目标判决。在此基础上，利用传感器获取信息的冗余性和互补性特性，结合基于规则的决策级融合方法，得到最终的 RX异常检测判决结果。在实测高光谱数据上进行了实验仿真，验证了本算法的有效性。