上世纪80年代高光谱遥感技术开始发展，随着成像技术不断成熟，高光谱遥感在越来越多领域得到广泛应用。高光谱图像与传统的多光谱遥感图像相比，能够获得每个像元的连续波谱信息，这解决了“成像无光谱”，“光谱不成像”的技术难题。然而由于成像光谱仪分辨率不高等原因，这使得图像中的每个像元内往往包含着多种不同的地物类型，从而形成混合像元，在信息提取过程中不能随便将这些像元划归到任何一类地物中去。若把只包含一种纯净地物的像元称为端元，把端元从高光谱图像中准确的提取出来成了研究的重点。获取端元后，才能很好地进行后续的解混、匹配、分类识别等研究。近年来国内外学者研究和发展了不少混合像元分解模型，其中线性混合模型以其结构简单，物理意义明确等优点成为研究的热点。本文介绍了高光谱图像的数据特点，高光谱图像的降维，端元提取的经典算法，像元的线性混合模型等基础理论。其中在数据降维方面主要采用了主成分分析法和最小噪声分离法，并采用了纯净像元指数和内部体积最大法进行了端元提取。然后研究了线性模型下的线性波谱分和基于MTMF的混合像元分解，其中线性波谱分离主要采用全约束下最小二乘法来求丰度。最后重点介绍了MTMF方法的理论基础和处理流程，即结合MNF变换，使用匹配滤波MF进行丰度估计，再用MT检查并排除假阳性值。模拟数据实验结果表明MTMF方法误差较小，同时，使用MTMF法对ENVI自带的高光谱图像数据实验表明该方法有良好效果。最后，将MTMF法应用到机载CASI/SASI高光谱遥感测量仪器在吉木萨尔地区获取的飞行测量高光谱SASI数据，对所识别出的端元进行基于MTMF法混合像元分解，并进行蚀变填图，结果显示与Google Earth所查找到的识别填图区域所在的地质风貌基本吻合。