高光谱遥感图像是利用成像光谱仪获取的,具有数百个波段,光谱分辨率较高的光谱成像数据,能够很好地应用于目标分类和识别等领域。但是由于成像光谱仪空间分辨率的限制和自然界地物的复杂多样性,高光谱图像中的一个像元往往包含多种物质,为了挖掘这些混合像元中所包含的端元和丰度系数,高光谱解混技术应运而生。高光谱解混技术可以分为盲源解混和半盲源解混。盲源解混指的是需要先从高光谱图像中提取端元,然后计算对应的丰度系数。半盲源解混是近些年发展起来的新技术,它依赖于一个事先准备好的光谱库,无需从图像中提取端元,只需要计算丰度系数图。对于半盲源解混技术而言,光谱库的质量至关重要,但是由于光谱误匹配现象的存在,即同一种物质在真实环境中的光谱和在光谱库中的光谱并不完全一致,半盲源解混技术的效果受到了一定影响。本文主要研究基于光谱库的半盲源高光谱解混,在协同稀疏回归算法的基础上,对光谱误匹配误差进行稀疏性建模,提出了两种新的高光谱稀疏解混算法。主要工作如下:(1)研究了基于协同稀疏回归的高光谱解混方法(CLSUnSAL),采用基于字典调整和非凸的稀疏激励回归模型(DANSER)对光谱误匹配误差进行建模,提出了基于光谱库裁剪和协同稀疏回归的高光谱解混方法(DSPCSR)。该方法通过对光谱误匹配误差进行稀疏性建模,较好地缓解了光谱误匹配现象对半盲源解混算法造成的影响,模拟和真实数据集上的结果验证了该算法的有效性。(2)充分利用高光谱图像局部像元之间的空间相关性,并结合稀疏和低秩约束的高光谱解混方法(ADSpLRU)的思想,提出了一种基于光谱库稀疏裁剪和空间低秩约束的高光谱解混方法(DSPLR)。该方法通过利用相邻区域内的矿物一般含有相同的端元这一性质,为丰度矩阵添加低秩性约束,较好地提升了解混的精度。实验表明该方法具有较高的解混精度,得到丰度图有较好的鲁棒性和分片区域光滑性。(3)设计并实现了一个基于光谱库半盲源高光谱稀疏解混的原型系统。该系统集成了多种稀疏解混方法和光谱库裁剪算法,提供了一个较完整的高光谱解混流程:从输入高光谱图像,裁剪光谱库,到运行解混算法,最后输出丰度图,具有良好的工程应用前景。