高光谱遥感图像具有几十个甚至数百个连续光谱波段的数据,包含丰富的空间分布信息和各种光谱信息。然而,由于空间分辨率较低,图像中普遍存在混合像元,在对其进行地物识别和分类时造成了很大影响。因此,为了更好的对高光谱图像进行处理与分析,首先要对其解混。群智能优化算法是一种模拟自然界中生物种群行为的优化算法,在处理复杂优化问题时具有很好的效果,且易于进行并行化处理,因此,将其应用到解混问题中有很好的前景。本文以群智能优化算法为基础,利用其良好的寻优能力和并行性进行高光谱图像解混研究。本文所做的主要工作如下:(1)提出了一种快速并有优秀概率引导的回溯搜索优化算法。针对回溯搜索优化算法存在的收敛速度慢且易陷入局部最优的问题进行改进。在种群进化过程使用新扰动策略,该策略能更好的平衡算法的局部搜索和全局搜索能力。在种群选择过程中使用新选择策略,该策略采用轮盘赌的方法选择新种群,在很大程度上能避免算法陷入局部最优。实验结果表明,改进后算法能有效提高回溯搜索优化算法的收敛速度和精度。(2)提出了一种基于快速并有优秀概率引导的回溯搜索优化算法的高光谱图像解混算法。该算法基于独立成分分析模型,加入丰度约束,将高光谱图像解混问题转化为对目标函数进行优化的问题。并通过快速并有优秀概率引导的回溯搜索优化算法来优化目标函数,进而实现高光谱图像解混。最后,通过仿真数据实验和真实数据实验对所提算法性能进行验证,结果表明,所提算法具有良好的解混性能。(3)研究并行化高光谱图像解混方法。首先对快速并有优秀概率引导的回溯搜索优化算法的并行性进行分析。然后,基于图形处理器和快速并有优秀概率引导的回溯搜索优化算法实现高光谱图像解混过程的并行计算。实验结果表明,该方法可以在保证结果正确有效的情况下缩短解混过程的计算时间,具有更高的计算效率。