高光谱遥感成像技术的出现使得光学遥感进入了一个崭新的阶段，它可以在提供地物的空间信息的同时，提供地物的光谱信息。然而，高光谱图像数据维数高、数据量大以及冗余度高等的特点，会导致高光谱图像处理难度和复杂度增大，高光谱图像特征提取即是解决这类问题的一个有效途径。经典的高光谱图像特征提取方法一般都是基于图像的一阶和二阶统计信息，这一般要求高光谱图像服从高斯分布。但真实的高光谱图像往往不符合高斯分布，在很多情况下，需要引入高阶统计特征对高光谱图像数据进行分析。基于此，本文引入了高阶统计张量这一代数量来分析和处理高光谱图像。具体的，本文的主要贡献如下:　　1、提出了一种基于动量迭代的改进主偏度分析算法。基于偏度指标进行特征提取的方法往往存在迭代过程不收敛的问题，针对这一问题本文进行了深入的研究和分析，发现了迭代过程中存在的震荡现象，并提出了一种动量迭代算法来解决这一问题。本文从理论上证明了改进后的算法能够彻底解决这类不收敛的问题，并通过仿真实验进行了验证。　　2、提出了一种基于协峭度张量的特征提取算法——主峭度分析算法。该算法以图像的峭度为指标进行特征提取，可以提取图像数据中含有的四阶统计特征。本方法首次将协峭度张量的概念引入到高光谱图像处理领域中，将搜索峭度极值方向的问题转化为求解协峭度张量的特征值和特征向量的问题。仿真实验表明，使用该方法进行特征提取后，图像中的小目标往往存在于特征提取后排列比较靠前的成分中。所以说，该算法能够很好的保留图像中关于小目标的信息。因而，其特征提取结果对于高光谱图像异常检测和小目标检测具有重要的意义。另外，针对主峭度分析算法，本文还提出了一种改进的主峭度分析算法，改进后的主峭度分析算法具有更好的收敛速度。　　3、提出了一种基于协峭度张量的异常检测方法。本文通过研究高光谱图像中背景像元和异常像元之间的关系，发现异常像元的存在对于图像的峭度值具有较大影响，提出了一种逐像元检测的异常检测算法。和传统的基于高阶统计信息的异常检测算法相比，该算法不需要设置众多的阈值，且在检测出异常点的同时能够更好的压制背景信息，降低虚警率。