高光谱图像数据量大，因此在目标探测和精细分类前往往要对数据进行降维处理，而在降维过程中需要最大限度地保留信号和压缩噪声，通过高光谱图像的噪声评估可为后续图像处理提供参考，同时也为目标探测和精细分类结果的可信性评价提供支持。高光谱图像波段较多，相邻波段彼此之间存在着很强的相关性，所观测的数据在一定程度上存在冗余，因此需要先对数据降维。利用低维数据来有效地表达高维数据的信息，使其更加有利于数据的可视化和对数据的理解、解译，并提高运算效率减少误差。论文在总结了高光谱图像发展与研究现状的基础上，对高光谱数据的噪声评估和降维方法进行了系统的研究。完成的工作和取得的成果如下：1.论述并实现了多种遥感图像处理过程中常用的噪声评估方法，诸如均匀区域法、地学统计法，空间/光谱维去相关法（SSDC）。同时尝试改进了SSDC算法，并比对了各种评估方法的适用范围和优缺点。SSDC方法更适合于高光谱数据的噪声评估。2.论述并实现了多种高光谱图像数据降维常用方法，包括独立成分分析、主成分分析、最大噪声分数（MNF）、实现了基于SSDC噪声评估的MNF方法。最后对多种降维方法进行了系统地分析与评价，得出不同降维方法的优缺点和适用范围。3.使用逆MNF变换对高光谱数据进行了去噪处理，并得到理想的结果。