非负矩阵分解通过将一个非负矩阵分解为两个正矩阵的乘积，已经广泛的应用于高光谱图像解混。但是非负矩阵分解直接应用于高光谱图像混合像元分解时收敛速度比较慢，容易陷入局部最优解。本文首先介绍了非负矩阵分解的基本原理，然后利用自动形态学端元提取方法获取端元光谱对非负矩阵分解中端元矩阵进行初始化。在保证非负矩阵分解中非负性和分解精度基础上，利用高光谱图像中端元光谱的非负性及其空间分布的连续性、稀疏性来对非负矩阵分解进行约束限制，其中稀疏性度量是通过非平滑的 NMF算法和稀疏约束的 NMF算法来实现的。最后采用多步内循环迭代的方法更新端元矩阵和丰度矩阵完成高光谱图像解混，对实际的高光谱图像进行解混取得了较好分类效果。