高光谱遥感技术已经成为遥感发展的前沿,并且在民用以及军用等多个领域发挥着极其重要的作用。高光谱图像的高分辨率、多波段数、窄波段宽度、大数据量在为人类带来巨大的研究价值的同时,也给高光谱图像的处理带来了巨大的挑战。本文以高光谱图像数据为对象,研究了高光谱图像类别信息的相关技术。论文首先分析了高光谱图像处理面临的问题,并对高光谱图像处理的两个重要的方面——分类和端元提取进行了简要分析,指出了传统的有类别信息的监督分类方法和无类别信息的端元提取方法的缺点,说明了对高光谱图像处理技术进行研究的必要性。对于高光谱图像的有类别信息的监督分类方法,论文提出了基于LS-SVM的保护感兴趣类别的两种处理方法：精简样本类别法和改变权值法。在精简样本类别法中,通过去掉非感兴趣类别样本,留下感兴趣类别样本,感兴趣类别样本的分类精度得到了较大幅度的提高；在改变权值法中,通过改变训练过程对各类别训练样本的重视程度,感兴趣类别的训练样本受到重视,从而使其分类精度得到了提高。对于高光谱图像的无类别信息的端元提取算法,论文提出了基于距离比较的端元提取算法。由于SGA算法和N-FINDR算法与其他算法相比具有明显的优点,因此本论文主要对这两种算法进行研究。首先论文对SGA算法进行改进,构造超平面,用点到平面的距离计算替代体积计算；其次,在支持向量机的基础上对N-FINDR算法进行改进,挖掘支持向量机的本质,用支持向量机计算距离的方法进行端元提取,实现了免于预降维处理的N-FINDR算法。实验证明,改进的算法在保证端元提取效果不变的前提下,运行速度大大提高,降低了算法的计算复杂度。同时论文还对高光谱图像数据预处理技术提出了一些方法,如像素预排序处理和野值点的检测与去除等,也能很好的改进原始端元提取算法的运行速度。