随着人类对陆地表层,海洋资源,甚至地外星球的探索,在广阔的空间上识别不同的目标变得越来越重要。而由于自然界环境复杂多变的特性,无论是对陆地表层,还是对海洋资源的探测,都需要大量的仪器和人力资源。因此,越来越多的科学家们采用了高光谱遥感技术,利用具有高空间分辨率和高光谱分辨率的高光谱图像来分析和识别自然界中的不同的物体。而高光谱在成像时容易受到外部环境的影响,复杂多变的成像环境时常会导致高光谱图像质量的严重下降,如果不对图像进行进一步的处理,会导致识别精度的降低。而为了解决这一难题,奇异谱分析算法作为一种能自适应地分解高光谱图像的算法,在高光谱处理领域备受学者的关注。但是传统的奇异谱分析算法只能处理单一图像,或者单一序列,导致在处理高光谱时丧失空间位置之间的相关性或光谱平面之间的相关性,从而使得识别精度不高。因此,本文针对传统方法的缺点,提出了基于二维四元数值奇异谱分析算法的高光谱目标识别,取得的主要创新成果如下:理论创新:（1）传统的二维实值奇异谱分析算法通过提取奇异谱窗口的局部信息,将信号分解为代表信号趋势、振荡和噪声的各种奇异谱分量之和,由于这一特性,它被广泛应用于二维信号处理领域。而也是因为如此,二维实值奇异谱分析算法在处理三维信号（如彩色图像,高光谱图像等）时,需要对三维信号的各个平面进行逐个处理,从而导致忽略各个平面之间的相互关系。另一方面,四元数是一种具有三个虚部,一个实部的超复数,各个部之间具有独特的数理关系。因此,本文在二维实值奇异谱分析算法及四元数的基础上,首先提出将二维实值奇异谱分析算法与四元数理论结合,创新地提出了二维四元数值奇异谱分析算法,通过利用四元数各个部之间的关系,将三维数据各个平面联系起来,有效地解决了传统算法在处理三维数据时的弊端。应用创新:（2）使用奇异谱分析算法对高光谱图像进行分解并提取有用成分的研究有很多,但学者们绕不开的一个话题便是传统的奇异谱分析算法只能对一维序列或者二维图像进行处理:一维实值奇异谱分析算法在处理高光谱图像时,只能针对单一像素进行处理,从而忽略了像素之间空间位置的相关性,即忽略了空间信息;二维实值奇异谱分析算法只能针对单一光谱平面进行处理,从而忽略了各个光谱平面之间的光谱相关性,即忽略了光谱信息。因此,本文针对以上问题,在传统方法的基础上,使用提出的二维四元数值奇异谱分析算法,通过将二维实值奇异谱分析算法,拓展至四元数域,将各个光谱之间关系用四元数值各个部之间的数理关系联系起来,将图像各个像素之间的空间关系用奇异谱分析算法分解并提取出来,有效地利用了空间和光谱信息。（3）值得注意的是,奇异谱分析有一个特点,即大奇异值对应的奇异谱分析分量比小奇异值对应的奇异谱分析分量具有更高的重要性。因此,奇异谱分析算法的重构方法一般是选取前几个大的奇异值对应的成分作为重构信号。然而,这种方法在应用于高光谱图像识别时并不时常有效,因此,本文提出了一种基于线性判别分析的方法来选取奇异谱成分,通过最大限度地增大特征向量的类间距离,及最大限度地减少特征向量的类内距离,以此有效提高了高光谱目标识别精度。