高光譜成像技術(shù)是一種結(jié)合光學(xué)成像與高分辨率光譜探測(cè)的三維信息獲取技術(shù)，它不僅可以獲取樣品的光譜信息，還可以采集樣品的圖像信息，因此具有“圖譜合一”的特點(diǎn)。本文對(duì)高光譜圖像數(shù)據(jù)的組成及其特點(diǎn)做了介紹，感興趣的朋友可以了解一下！
高光譜圖像數(shù)據(jù)的組成：
高光譜數(shù)據(jù)，可表示為高光譜數(shù)據(jù)立方或高光譜立方，是三維數(shù)據(jù)結(jié)構(gòu)。高光譜數(shù)據(jù)可視為三維圖像，在普通二維圖像之外又多一維光譜信息。其空間圖像維描述目標(biāo)物的二維空間特征，其光譜維揭示了圖像每一像元的光譜曲線特征，由此實(shí)現(xiàn)了遙感數(shù)據(jù)圖像維與光譜維信息的有機(jī)融合。
1.空間圖像維：在空間圖像維，高光譜數(shù)據(jù)與-般的圖像相似。
2.光譜維：從高光譜圖像的每一個(gè)像元中可以獲得一個(gè)連續(xù)的光譜曲線。采用基于光譜數(shù)據(jù)庫的光譜匹配技術(shù)，可以識(shí)別地物。同時(shí)大多數(shù)地物都具有典型的光譜波形特征，尤其是光譜吸收特征。這些特征與地物成分是密切相關(guān)的，因此對(duì)光譜吸收特征參數(shù)（吸收波長位置、吸收深度、吸收寬度）的提取將成為高光譜信息挖掘的主要方面。
高光譜圖像數(shù)據(jù)的特點(diǎn)：
1.紋理豐富復(fù)雜，空間相關(guān)性低于普通圖像。因?yàn)楦吖庾V圖像的分辨率為幾米，地面目標(biāo)可能只占幾個(gè)像素，像素值的連續(xù)性較差，相關(guān)性較低。
2.波段多，光譜分辨率高，光譜間相關(guān)性較強(qiáng)。
3.空間分辨高。高的光譜分辨率和空間分辨率是遙感技術(shù)發(fā)展的兩個(gè)方向，這兩個(gè)方向有趨于統(tǒng)一的趨勢(shì)。
4.相似的地表區(qū)域具有相似的光譜曲線。高光譜圖像包含很多波段，每個(gè)波段都是由傳感器在某特定波長所接收到的強(qiáng)度返回值。由于地表反射和大氣吸收都是依賴于波長的，每個(gè)像素在光譜域形成的亮度矢量具有相似的形狀，每個(gè)像素矢量的精確形狀則依賴于該像素表示的地面類型。
5.由于波段多，狹窄且連續(xù)，使得高光譜數(shù)據(jù)量巨大、相關(guān)性大，尤其在相鄰的波段間，具有很大的數(shù)據(jù)冗余。
高光譜圖像數(shù)據(jù)的處理方法：
盡管成像光譜儀具有其獨(dú)特的優(yōu)越性，但由于高光譜遙感數(shù)據(jù)具有多、高、大、快等特點(diǎn)，即波段數(shù)多（幾十個(gè)甚至幾百個(gè)），光譜分辨率高（納米級(jí)），數(shù)據(jù)量大，數(shù)據(jù)率高（從每秒數(shù)兆到每秒數(shù)百兆），巨大的數(shù)據(jù)量為應(yīng)用和分析帶來不便，因此產(chǎn)生了許多新的數(shù)據(jù)處理方法對(duì)高光譜數(shù)據(jù)進(jìn)行處理。具體如下：
1.基于純像元的分析方法
（1）基于成因分析的光譜分析方法
基于成因分析的方法研究地物的光譜特性，從地物光譜特征上發(fā)現(xiàn)表征地物的特征光譜區(qū)間和參數(shù)，最常用的是各種各樣的植被指數(shù)。這種方法普遍用于NSS和TM圖像的處理和分析應(yīng)用中。成像光譜儀問世以后，許多研究人員沿用了這種方法，利用成像光譜儀數(shù)據(jù)的高光譜分辨率，選取影像的波段，發(fā)展了許多更為精細(xì)的植被指數(shù)。與此相對(duì)的方法，是地物光譜重建和重建的光譜與數(shù)據(jù)庫光譜的匹配識(shí)別。這一方法通過對(duì)比分析地面實(shí)測(cè)的地物光譜曲線和由成像光譜儀圖像得到的光譜曲線來區(qū)分地物。為了提高成像光譜儀數(shù)據(jù)分析處理的效率和速度，一般要對(duì)這些曲線進(jìn)行編碼或者提取表征曲線的參數(shù)。“光譜匹配”是利用成像光譜儀探測(cè)數(shù)據(jù)進(jìn)行地物分析的主要方法之一，但由于野外實(shí)際情況的復(fù)雜性，很難建立一個(gè)比較通用的地物光譜庫，這就限制了利用該法進(jìn)行分析，日前僅僅在比較小的范圍內(nèi)（如巖石成分分析等）取得成功的運(yùn)用。
（2）基于統(tǒng)計(jì)分析的圖像分類和分析
基于統(tǒng)計(jì)分析的圖像分類和分析認(rèn)為每一波段的圖像為隨機(jī)變量，基于概率統(tǒng)計(jì)理論進(jìn)行多維隨機(jī)向量的分類。成像光譜儀圖像波段多，分類很大程度上受限于數(shù)據(jù)的維數(shù)，面對(duì)數(shù)百個(gè)波段的數(shù)據(jù)，如果全部用于分類研究，在時(shí)間上往往是無法接受的。因此在圖像分類之前必須壓縮波段，同時(shí)又要盡可能地保留信息，即進(jìn)行“降維”的研究。目前，壓縮波段有兩利途徑，一是從眾多的波段中挑選感興趣的若干波段；二是利用所有波段，通過數(shù)學(xué)變換來壓縮波段，最常用的如主成分分析法等?；诮y(tǒng)計(jì)分析的圖像分類和分析在理論上比較嚴(yán)謹(jǐn)，所以需要有充分的數(shù)據(jù)的地學(xué)特征，否則得到的結(jié)果有時(shí)是不明確的物理解釋。
2.基于混合像元的分析方法
由于傳感器空間分辨率的限制以及地物的復(fù)雜多樣性，混合像元普遍存在于遙感圖像中，對(duì)地面地物分布比較復(fù)雜的區(qū)域尤其如此。如果將該像元?dú)w為一類，勢(shì)必會(huì)帶來分類誤差，導(dǎo)致精度下降，不能反映真實(shí)的地物覆蓋情況。
概括起來，混合模型主要有兩類，即線性光譜混合模型和非線性光譜混合模型。線性混合模型是迄今為止最受歡迎且使用最多的一種模型，其突出優(yōu)點(diǎn)是簡(jiǎn)單。雖然它只能分離與波段數(shù)目相同的類別，但對(duì)于有著數(shù)百個(gè)波段的高光譜數(shù)據(jù)，完全可以克服這種限制。對(duì)于非線性混合模型可以利用某些方法來使之線性化，從而簡(jiǎn)化為線性模型。
