由于高光譜數(shù)據(jù)的高維特性，以及光譜與混合像素之間的相似性，高光譜圖像技術(shù)仍然面臨著許多問題，其中最緊迫的是以下幾個問題:

(1)高光譜圖像數(shù)據(jù)具有高維性。由于高光譜圖像是由機載或星載成像光譜儀采集的數(shù)百個波段的光譜反射率數(shù)據(jù)組合而成，因此高光譜圖像的光譜信息維度也可以是數(shù)百個維度；

(2) 缺失標記樣品。在實際應用中，收集高光譜圖像數(shù)據(jù)相當簡單，但獲取類似圖像的標簽信息卻相當具有挑戰(zhàn)性。因此，高光譜圖片的分類有時會因標記樣本的短缺而受到阻礙；

(3) 空間上光譜信息的可變性。高光譜圖像的光譜信息會因大氣條件、傳感器、地物的組成和分布以及周圍環(huán)境等因素而在空間維度上發(fā)生變化，導致每個像素對應的地物不是單一的；

(4)圖像質(zhì)量，即高光譜圖像采集過程中噪聲和背景元素的干擾，對采集數(shù)據(jù)的質(zhì)量有重大影響。高光譜圖像的分類精度直接受到圖像質(zhì)量的影響。

各種平臺和傳感器獲得的高光譜圖像通常以原始格式呈現(xiàn)，這需要對其進行預處理(例如大氣、輻射和光譜校正)以糾正詳細信息。組裝高光譜數(shù)據(jù)比多光譜和 RGB 傳感器更加復雜，因為它的輻射和大氣校準工作流程更加復雜。因此，高光譜成像處理過程需要幾個步驟才能獲得精確的輸出。高光譜成像的處理意味著計算機算法的利用。它包括從可見近紅外 (VNIR) 或近紅外 (NIR) 高光譜圖像中提取、存儲和偽造信息等任務。它還提供有關處理和數(shù)據(jù)挖掘任務的不同信息(例如，分析、分類、目標檢測、回歸和模式識別)。高光譜成像包括以像素形式存儲的大量數(shù)據(jù)收集，而每個數(shù)據(jù)都與其相鄰數(shù)據(jù)特別相關。高光譜成像還包括譜域信號，因為每個圖像像素都包含光譜信息;因此，用于處理空間和光譜信息的特定工具和方法已得到擴展。如此大量的數(shù)據(jù)導致化學計量學和可視化設備的集成，以有效地挖掘重要且詳細的信息。下面的圖 2描述了普通的高光譜圖像預處理過程。

圖 1.高光譜圖像預處理工作流程

高光譜成像設備產(chǎn)生的大量原始數(shù)據(jù)包含大量可以通過校準糾正的錯誤?？臻g校準是將每個圖像像素與已知單位或特征相關聯(lián)的步驟之一，提供有關空間維度的信息并校正光學像差(微笑和梯形失真效果)。然而，可能存在三種使校準模型無效的情況：(1) 樣品中的化學或物理替代，(2) 由于固有的不確定性或部件老化而更換設備，以及環(huán)境/天氣條件，例如溫度或濕度。提到高光譜照片中常見有數(shù)百個波段，其中許多波段是高度相關的。因此，降維是預處理高光譜圖像時需要考慮的重要步驟。降維是高光譜圖像分類中至關重要的預處理步驟，可減少 HSI 的光譜冗余，從而實現(xiàn)更快的處理和更高的分類精度。降維方法將高維數(shù)據(jù)轉(zhuǎn)換為低維空間，同時保留光譜信息。因此，預處理是提高高光譜圖像質(zhì)量并為后續(xù)分析做好準備的重要步驟。

高光譜成像從單個樣本和需要日常分析的數(shù)千個樣本中生成大量數(shù)據(jù)收集。與其他統(tǒng)計技術(shù)相比，高光譜圖像分析使用物理和生物模型來吸收某些波長的光。例如，空氣中的氣體和氣溶膠可以吸收特定波長的光。色散(向傳感器透視區(qū)域添加外部光源)和吸收是大氣減弱(輻射拒絕)的示例。結(jié)果，高光譜傳感器無法區(qū)分在其他時間或地點生成的成像記錄的輻射率。高光譜圖像分析技術(shù)源自光譜學，它涉及某種材料的分子成分在不同波長下的不同吸收或反射模式。該圖像必須采用適當?shù)拇髿庑Ｕ夹g(shù)，以便將每個像素的反射特征與已知材料的光譜進行比較;在實驗室和“圖書館”存儲區(qū)域，已知的材料光譜信息包括土壤、礦物質(zhì)和植被類型。?