As assinaturas espectrais dos materiais contidos em imagens hiperespectrais, também chamadas de endmembers (ems), podem ser consideravelmente afetadas por variações nas condições atmosféricas, de iluminação, ou ambientais que podem ocorrer dentro de uma imagem. métodos tradicionais de separação espectral (su -- spectral unmixing) não consideram a variabilidade espectral dos endmembers, o que acaba propagando erros por todo o processo de su e compromete a qualidade das abundâncias estimadas. consequentemente, muitos trabalhos têm se dedicado à mitigar os efeitos adversos da variabilidade os endmembers na separação espectral. não obstante, ainda existem muitos desafios relacionados a exploração de informação a priori referente à este problema para melhorar a qualidade, a robustez e a eficiência de algoritmos de su que consideram a variabilidade dos ems. nesta tese, novas estratégias são desenvolvidas para mitigar a variabilidade espectral na separação espectral. primeiramente uma estratégia de regularização espacial multiescala baseada em algoritmos de segmentação e sobre-segmentação de imagens é proposta para separação espectral semi-supervisionada e não-supervisionada. posteriormente, novos modelos são propostos para representar as assinaturas espectrais dos endmembers em cada pixel da imagem no problema de separação espectral, utilizando representações paramétricas, tensoriais, e baseadas em redes neurais. por fim, as abordagens propostas são estendidas para resolver outros desafios relacionados à separação espectral e, de maneira mais geral, à análise de imagens hiperespectrais. primeiro, a regularização espacial multiescalas é utilizada para resolver o problema de separação espectral não-linear usando kernels. posteriormente, modelos parametricos e estratégias baseadas em bibliotecas espectrais são adaptados para representar a variabilidade espectral encontrada em imagens adquiridas em diferentes instantes de tempo. finalmente, a variabilidade espectral e espacial é abordada dentro do problema de fusão de imagens hiperespectrais e multiespectrais, a qual visa obter imagens de alta resolução espacial e espectral.