随着遥感技术应用的不断发展,高光谱遥感逐渐反映出信息定量化的趋势,而混合像元分解正成为现今高光谱遥感研究的重点和难点。受制于噪声等外界不确定因素的影响,混合像元分解算法在模拟数据中取得的效果往往要好于真实遥感数据。而提出一种能够在真实遥感数据中取得较好的实验效果的算法是当前研究的一大热点。本文从遥感数据纯净像元提取入手进行研究,以青海省青海湖流域Hyperion高光谱遥感数据作为真实实验数据,主要的工作包括以下几个方面:(1)基于自动形态学算法被广泛应用于高光谱混合像元分解,然而自动形态学算法只能圈定一定范围内的候选端元,而无法将实际的端元提取出来,且需要一定的经验阈值,这给实际处理线性光谱混合分解提出了很大的障碍。本文将正交子投影空间算法与自动形态学算法结合,并运用正交投影散度代替光谱角判定像元纯净度。改进算法从模拟数据和真实遥感数据两个方面进行验证,实验结果表明,改进的自动形态学算法不需要先验数据的支持,且提取精度优于部分传统算法,尤其是在真实数据上取得了不错的效果。(2)迭代计算和逐像元计算的思想在传统的端元提取算法中占比较大,且计算时间过长,实用性较差。初始单形体内部去除法从空间单形体中提取其顶点,然而原始算法受初始顶点选取影响较大,会造成单形体顶点漏选和重复选取的情况。本文对原始算法进行改进,并通过模拟数据和真实数据验证改进算法的可靠性。实验结果表明,改进的初始单形体内部去除法能够很好地增强算法的鲁棒性和可靠性。