高分五号是我国最新发射的高光谱综合观测卫星,对其的应用研究也是近来国内外遥感领域关注的热点。本文对高分五号高光谱遥感数据有效的预处理方法做了尝试,为了更好的应用效果进行了数据融合和降维,选用光谱角匹配法、支持向量机和ENVINet5模型的深度学习方法对于地物特征提取及分类进行研究,取得了如下主要成果。(1)本文利用ENVI软件对高分五号高光谱数据进行预处理工作,通过一系列处理过程,校正了图像的辐射和几何畸变,还原了地物真实反射率,取得了较好的效果。(2)将高分五号高光谱数据(30m)与Landsat8全色波段(15m)用GS法融合后,图像的纹理细节得到提升,并较好保留了光谱信息。运用分块主成分分析对高光谱数据进行降维,降低了波段相关性。(3)对高分五号高光谱数据,利用基于光谱特征的光谱角匹配(SAM)、基于统计特征的支持向量机(SVM)和ENVI深度学习框架(ENVINet5)对6类地物进行了分类提取。分别对SVM的核函数选择和ENVINet5的权重参数调节进行了实验。综合分析了三种方法的提取结果,总体精度都达到80%以上,表明高分五号高光谱数据在地物特征提取分类的应用中效果良好,并且在精细化分类中具有较好应用前景。其中SAM方法对光谱曲线敏感,适用于存在差别的同类型地物提取。SVM各类结果稳定,适用于面积大分布广的地物。深度学习ENVINet5方法经过调参后结果的精度最高,特别是对于线性规则地物提取效果较好。