高光谱遥感是当前定量遥感的重要途径,具有广阔的应用前景。然而,高光谱数据中存在大量的混合像元,成为影响遥感应用精度的重要瓶颈问题。因此为了提升高光谱遥感应用的精度,必须研究混合像元分解的问题,使高光谱遥感应用由像元级达到亚像元级。本文围绕高光谱数据混合像元分解,系统研究若干解混算法及其改进,进而进行光谱匹配验证。在综述高光谱混合像元分解和光谱匹配国内外研究现状的基础上,本文主要完成的工作以及创新点如下：1、研究了基于线性光谱混合模型的高光谱端元提取问题,研究并且实现了若干经典算法。流程设计和实现了常用的4种端元提取方法,包括：PPI、N-FINDR、VCA、 ATGP。在此基础之上,针对N-FINDR算法,提出了两种改进算法。实验结果表明改进的N-FINDR算法加快了算法的收敛,提高了解混的精度。2、研究了基于线性光谱混合模型的高光谱丰度反演问题,流程设计和实现了常用的4种基于最小二乘的丰度反演算法,通过不同测试集给出了4种算法的性能分析和实验验证。3、研究了基于稀疏性的线性混合像元分解问题。通过建立基于范数约束下的稀疏性混合像元分解的目标代价函数,设计了基于交替方向迭代的混合像元分解算法。实验结果表明：该方法可以取得优于非限制性最小二乘法的丰度反演结果。并且能在不假设纯像元存在的情况下,提取出图像的端元及其对应的丰度矩阵。4、在介绍光谱编码匹配,光谱角度匹配、光谱相关性匹配等经典光谱匹配算法的基础上,提出了利用光谱曲线波峰波谷信息编码的光谱匹配新算法。该算法充分利用光谱曲线在局部范围内的波峰和波谷分布个数,然后进行分组编码,得到光谱曲线的形状匹配。实验结果表明：本文方法具有较高的光谱匹配精度,通过与5种端元提取方法相结合,验证了该方法在地物识别中的应用性能。