随着遥感技术的逐渐成熟,成像光谱图像在目前社会中的应用越来越广泛。但是由于成像光谱仪的限制,大多数成像光谱图像的空间分辨率较低,这也就导致了混合像元在遥感影像中大量普遍存在,给后续的数据处理工作带来了许多不便。因此成像光谱图像的光谱解混技术具有重要的理论研究意义和实际应用价值。本文从成像光谱图像的特点和成像原理出发,开展了基于端元字典的成像光谱图像稀疏解混技术的研究工作,提出了一种基于地物类别的高光谱图像端元冗余字典训练算法和一种基于K-SVD和端元字典的光谱解混算法,收到了较好的效果。进一步将其应用于亚像元定位领域,设计实现了一种基于空间相关性约束的亚像元定位算法,有效提高了传统算法的定位精度。具体包括:设计并实现了一种基于K-SVD的和标准光谱库的端元冗余字典训练算法。该方法以标准光谱库为基础,首先基于光谱特征对光谱库数据进行地物分类,然后对每类地物的光谱曲线分别训练单类字典,选择最具代表性的地物光谱曲线,来构建端元冗余字典;进一步利用光谱角匹配与光谱信息散度结合的方法,对字典内的端元进行进一步筛选优化,使得端元字典内的原子在保证充分性的同时降低相关性,以消除后续光谱解混过程中无关项的消极影响,为后续成像光谱图像混合像元的高效解混奠定基础。设计并实现了一种基于端元冗余字典的混合像元光谱解混算法。该方法基于线性光谱混合模型,首先通过KNN的方法对图像中的混合像元进行检测,进而以基于地物类别的端元冗余字典作为端元集,采用基于K-SVD的稀疏分解的方法对混合像元进行解混。通过模拟数据和真实数据的实验表明该方法的解混效果良好,具有较高的鲁棒性,改善了低信噪比的情况下传统解混方法精度较低的问题。设计并实现了一种基于光谱解混和空间相关性约束的成像光谱图像亚像元定位算法。将所提出的基于端元冗余字典的混合像元解混算法用于亚像元定位过程,进一步验证了算法的有效性。该方法设计构造了两种基于空间相关性的代价函数,进而基于前述混合像元解混结果,利用解混分量图通过像元交换实现了高光谱图像的亚像元定位。实验结果表明该算法在地物边界处的亚像元定位效果良好,贴近实际地物分布情况,在实现高性能亚像元定位的同时也验证了所提出的光谱解混算法的有效性。