高光谱遥感图像的光谱分辨率达到了纳米的数量级,可以用来探测和识别传统全色和多光谱遥感中不可探测的地物类别。高光谱遥感系统已在全球许多国家的先进对地观察遥感系统中占有重要的位置,已成为地球陆地、海洋、大气观察的生力军。高光谱图像处理也引入了新的处理难题：如何解决高维小样本问题,如何消除类内和类间差异变化的影响,如何实现实时的海量信息处理等等。在研究高光谱图像特性和分析研究现状的基础上,本文重点研究了四个方而的高光谱图像分类理论和技术问题。首先,在基于光谱度量的分类理论和方法方面,为了解决传统光谱角匹配分类及其改进算法无法适应类内差异变化的缺点,提出了一种多分辨率光谱角匹配思路。该思路在类对框架下,将多类问题分解成一系列两类问题,通过构造一种最大化类间光谱角度量同时最小化类内光谱角度量的类别可分性准则,将原有波段递归分解成一组具有较高类别可分性的波段子集,进一步选择类别可分性高的波段子集生产子光谱角,并组合成光谱相似度量参与分类。该方法可以有效地消除类内差异变化的影响,取得了比传统基于光谱度量的方法更高的分类精度。其次,为了消除传统高光谱分类方法使用单一特征的缺点,提出了一种组合多特征表述与融合的分类框架。该框架充分利用光谱幅度和光谱形状的互补信息,提高了类别的可鉴别性。分别提出了一种基于光谱角匹配和最大似然的融合分类方法,验证了该框架的有效性。为了更有效地利用组合多特征与融合分类框架的性能,提出了一种全新的堆栈支持向量机融合思路,结果表明该方法可以显著地提高高光谱图像的分类精度。接着,在高光谱图像的多分辨率信息方面,利用小波变换对光谱中的精细尺度和粗尺度信息进行了挖掘。在不同层次小波特征鉴别能力的分析基础上,为了更好利用这些特征信息的互补多样性,提出了一种基于支持向量机概率的融合分类方法。为了提高融合效果,进一步扩展了堆栈支持向量机融合思路,并分别用于融合小波特征,以及融合波段和小波特征。结果表明该融合思路比直接应用小波特征更有效,可以显著地提高高光谱图像的分类精度。最后,在分析现有多类策略优缺点的基础上,提出了一种“淘汰赛”思路的决策树多类策略,并用于解决支持向量机多类问题。实验结果表明该方法可以保持传统“循环赛”一对一方法的高分类精度,而分类时间只需要一对一方法的50%左右。为了进一步加快分类过程,从影响支持向量机分类速度的两类问题数量和支持向量数量出发,提出了一种快速的自适应二叉树策略。实验结果表明该方法的分类时间只有一对一方法的25%左右,但分类精度只有不到0.5%的下降。