传统光谱图像分析停留于对图像像元级别的分析，对于像元代表的地物判断不够准确。高光谱图像具有更多的光谱波段，因此使亚像元级别的光谱图像分析成为可能。高光谱混合像元分解主要分为线形解混和非线性解混，单纯非线性解混有更好地分析结果，但却不易于计算机实现,而线形解混虽然易于计算机程序实现，但其解混结果精度较差,只能够作为定性参考。本文要解决的问题就是构建自己的一套算法,一方面具有非线性解混的良好结果,一方面又易于计算机程序实现。本论文用到了两个基本原理点：1、高光谱遥感图像中的所有像元点构成了一个凸面单形体，其中端元处于单形体的顶点位置；2、矿物光谱的非线性混合效应可以通过Hapke模型较好的描述。结合这两个基本原理，形成了本文的非线性光谱解混方法，简要叙述如下。1、利用高光谱遥感数据的几何特性，求取出数据组中的端元。求取过程中始终保持取得的数据点所构成的单形体的体积最大，这就是保证了求取的数据点在单形体的顶点位置。2、利用简化的Hapke模型将高光谱遥感数据进行非线性转换，将矿物的光谱反射率转换为矿物的单散射反照率。以单散射反照率来代表矿物进行下一步分析。由于Hapke原型中光谱折射系数、光谱散射系数、位相函数等参数都需要通过大量的矿物光谱数据分析后才能够确定，因此本文利用Hapke模型中的一个核心部分（在此称作简化的Hapke模型）进行非线性转换。3、利用线性解混方法对混合元的单散射反照率进行分析，最终得到矿物的组分。由于矿物的单散射反照率是线性混合的，因此我们可以通过对由Hapke原理转换来的单散射反照率进行线性解混得到数据对应的矿物组分。本文将上述过程算法命名为“基于简化的Hapke模型与单形体体积法的非线性混合光谱分解”。经过算法原理研究，本文最终得出基于简化的Hapke模型与单形体体积法的非线性混合光谱分解方法。并将其应用于实验室光谱数据进行分析。经实验室数据验证，端元提取误差率在1%内，混合像元分解误差率在3%内。本文进一步尝试将方法应用于美国某地区AVIRS高光谱遥感图像进行分析，并得出图像中矿物分布情况，通过与该地区的矿物分布情况进行对比，本文方法的分析结果具有一定的参考性。