混合像元分解一直是高光谱遥感图像研究领域的一个热门话题。混合像元分解技术主要分为两个过程:端元提取和丰度反演。而混合像元分解的关键技术之一就是端元提取,亦是本文的研究重点。在近几年来,群智能算法逐渐被应用于端元提取技术,比如DPSO-EE和ACO-EE等方法。目前大多数端元提取方法都是基于线性混合模型(Linear Mixture Model,LMM),但是根据以往的经验,我们发现了一些在混合像元分解过程中不可避免的缺点。一是由于异常点的存在导致端元识别错误,二是当高光谱图像中存在较大噪声时会导致端元无法被识别。人工蜂群算法是一种新兴的群智能算法,本文基于离散人工蜂群算法(Discrete Artificial Bee Colony Algorithm for Endmember Extraction,DABC-EE)提出了一种新的高光谱端元提取方法,这种方法可以有效的解决上述存在的两个问题,而且能更加准确的提取端元光谱,并且确定出高光谱图像中端元所在位置。本文对当前国际经典和前沿的十三种具有代表性的端元提取方法进行比较研究,包括PPI、IEA、AVMAX、MVES、SPA、N-FINDR、VCA、SPICE、PCOMMEND、MVSA、MVC-NMF、DPSO-EE和ACOEE,这些方法基于不同的数学模型,本文将这些算法划归为四大类,即基于纯像元假设、基于最小体积模型、基于统计模型和基于群智能算法。并通过理论和实验两种方式对这些方法进行综合性的对比和分析,归纳总结其优势和存在的问题。本文共分为五个章节,第一、二章主要介绍混合像元分解过程中端元提取技术的研究意义及研究进展,并简述了混合像元产生的原因,及混合像元分解的技术流程。第三章阐述了当前国际上较为流型的十三种端元提取方法。第四章详细讲述了基于离散人工蜂群算法的端元提取方法。在本文的第五章,通过对各种端元提取方法进行定量比较,并进行综合分析,对比出各个算法的优缺点,得出的结果也进一步支持本文提出的基于离散人工蜂群算法的高光谱端元提取方法的优势,本文研究成果也将为今后围绕这些方法的相关研究提供必要的理论支持和参考。