地表物分类识别具有重要的变化特征,是反映目标区域生态环境变化的重要标志。随着遥感技术的兴起与发展,高光谱遥感技术已经在社会的各个领域体现了它的重要作用。高光谱遥感光谱通道数量较多,光谱分辨率高达纳米级,蕴含着近似连续并且丰富的光谱信息。使用高光谱遥感图像处理技术能够实现对地表物的类型进行分类研究,实现高光谱遥感图像数据处理在现实生活中的应用。在2000年11月发射的地球观测卫星-1(EO-1)是美国航空航天局(NASA)在新千年计划(NMP)计划中第一颗对地面进行观测的地球卫星,在这颗地球观测卫星上拥有三种对地球成像的传感器,分别为高级陆地成像仪(ALI),高光谱成像仪(Hyperion)以及大气校正仪(AC)。本论文选用Hyperion高光谱遥感图像作为研究对象,对当地地物进行特征提取,采用高光谱遥感图像数据处理技术对该地区的地表物分类研究具有十分重要的意义。本论文在对当前基于高光谱遥感图像地表物分类研究的基础之上,选用Hyperion在特定时间段的高光谱遥感图像数据信息,运用监督分类与非监督分类的方法对图像进行识别。整个过程包括三个基本步骤:首先对高光谱遥感图像进行预处理,主要包括图像坏道信息以及水汽波段去除、坏线修复、高光谱遥感图像中大气的校正以及Smile效应的去除;再对预处理的结果进行基于最小噪音变换与纯净像元指数的特征像元提取,最后对经过处理后的图像应用不同方法进行地表物的分类与精确度的分析评价。通过对K均值聚类算法(K-means),迭代自组织分析算法(Isodata),神经网络与光谱角填图四种分类算法的精度比较,确定基于光谱角的分类方法具有最高的分类精度,分类精度能够达到80%,能够较好的满足高光谱影像的分类要求。