遥感影像作为一种介质，记录了地表的瞬时形态，遥感具有覆盖面积广，成像时间短等优点，已经越来越受到人们的重视。遥感已经深入到各个行业，成为一门有发展前景的新兴科学，随着各国经济的发展，对遥感行业的依赖也越来越强，遥感传感器发射的数量也日益上升，传回了众多的遥感影像数据，面对海量的遥感影像数据，人们开始手足无措，研究如何有效地处理遥感影像日益成为焦点，如何自动批量从遥感影像上提取到研究者感兴趣的物质，一直是遥感数字图像处理的难点。本文立足于遥感数字图像处理，利用数学手段，从常规的多光谱遥感影像分类，到高/多光谱亚像元分解，以及最后的异常像元探测，阐明遥感数字图像处理的基本原理，以及研究近期国内外的研究前沿，针对多/高光谱数字图像处理的特点，采用合适的算法，实现准确分类与目标探测。　　 本文首先引进智能分类算法对多/高光谱进行分类探讨，这些智能算法包括神经网络，支持向量机为代表的核分类算法，针对目前多光谱遥感影像分类的问题(如中低分辨率遥感影像还是停留在像元尺度的分析)，引入了基于亚像元分解的分类算法，提出了两种基于空间分块的端元提取算法，针对此算法同时也采用基于分块的亚像元分解技术，实验表明，这种算法能够有效地解决多光谱端元提取的瓶颈，克服多光谱光谱分辨率不高的特点，基于分块的解混算法一定程度上提高了解混的精度，具有广泛的应用前景，同时针对目前TM遥感影像(一般只用其6个波段)最多只能提取7个端元的情况下，提出了一种改进像元纯净指数算法(PPI)的多光谱端元提取算法，同时对后续的端元提取也进行了改进，实验表明此算法具有很大的优势，特别针对多光谱遥感影像。目前国内外针对高光谱混合像元分解算法比较成熟，高光谱遥感影像具有波段多，光谱分辨率高，覆盖范围较小，故而针对高光谱的端元提取算法也较容易实现，本文系统性地引进了基于凸面体的高光谱影像端元提取算法，如对N-FINDR算法进行改进的最大体积端元提取，正交子空间投影算法(OSP)，像元纯净指数算法(PPI)，逐次最大凸锥投影算法(SMACC)，比较各种以前算法的优缺点，针对不同空间分辨率的遥感影像选择合适的算法，对后续的解混精度有很大的作用。针对异常像元对端元提取的影响，本文提出了一种基于异常探测的端元提取算法，根据理论分析，异常像元在遥感影像上相对较少，同时光谱曲线特征有别于背景，故而去掉几个异常点对端元提取影像不大，实验表明，此方法能够有效地分开异常像元与背景端元，较好地实现了目标探测。高光谱遥感影像立方体本征维数的估计一直是一个前沿方向，这方面的研究既是对遥感影像立方体认识的深入，也是实现提取端元与异常个数和的前提，故而引进两种基于波段间统计算法的本征维数估计算法，探索高光谱遥感本征维数估计的问题。异常探测作为一种无先验的统计算法，被广泛应用于军事目标探测，人工目标探测，毒气泄漏探测等等，其越来越受到重视。本文系统地阐述了小目标探测的基本原理，同时对目前小目标探测算法进行了运行，分别评价了RXD，低概率小目标探测(LPTD)，唯一性小目标探测(UTD)，以及基于高阶统计矩的小目标探测，基于白化的小目标探测，基于噪声估计的小目标探测。系统地介绍了目前国内外针对像元尺度分类算法，同时引进了基于亚像元尺度分析的算法，目的是将分类算法的精度进一步进行提升，从像元一级的尺度跨越到亚像元的尺度。针对目前高光谱异常探测应用的日益广泛，本文系统性的阐述了高光谱异常探测的基本原理与算法，同时结合多光谱遥感影像进行了实验，将异常探测引入到多光谱遥感中。