高光譜圖像遙感圖像的數(shù)據(jù)有三種表達(dá)形式：圖像空間維、光譜維以及特征維。本文對這三種形式進(jìn)行了簡單介紹。

?

圖像空間維

將高光譜遙感圖像數(shù)據(jù)看作一般的圖像，如下圖1-2（a）所示。它是利用遙感圖像像素之間的幾何關(guān)系來表達(dá)窩光譜遙感圖像數(shù)據(jù)樣本之間的空間關(guān)系，這種表示方式為數(shù)據(jù)分析人員提供了較為真實(shí)的地面場景圖像。當(dāng)對高光譜遙感圖像數(shù)據(jù)的特征信息進(jìn)行提取時(shí)，這種數(shù)據(jù)表達(dá)形式將圖像中的像素點(diǎn)與地面場景的位置一一對應(yīng)，為數(shù)據(jù)分析人員提供了重要的圖像空間信息的依據(jù)。

但是，這種數(shù)據(jù)表達(dá)形式忽略了高光譜遙感數(shù)據(jù)中各個(gè)波段之間的光譜特征信息。從人類肉眼的角度上，通過這種數(shù)據(jù)表示方式，我們只能觀察到所抽取的一個(gè)波段形成的灰度圖像或是由三個(gè)波段組成的假彩色圖像。

?

光譜維

將高光譜遙感圖像數(shù)據(jù)看作是一個(gè)只擁有兩個(gè)坐標(biāo)維度的空間，如下圖1-2（b）所示。在高光譜遙感圖像數(shù)據(jù)中，每一個(gè)像素點(diǎn)在該二維坐標(biāo)空間中都會(huì)表現(xiàn)為一條連續(xù)的光譜反射率響應(yīng)曲線。由于不同的地物由各個(gè)不同的化學(xué)成分組成，對光譜具有各自不同的吸收或反射情況，因此，這種數(shù)據(jù)表達(dá)形式可以提取高光譜遙感數(shù)據(jù)的光譜特征信息，通過匹配光譜反射率響應(yīng)曲線即可完成對各種地物日標(biāo)的分類和識別。但是，地物的光譜反射率響應(yīng)曲線容易受到各種自然環(huán)境因素的影響，如大氣散射、大氣透明度、光照強(qiáng)度等，這種情況下所測量的光譜反射率響應(yīng)曲線與實(shí)際情況下的曲線有所偏差，并不能真實(shí)地反映高光譜遙感圖像數(shù)據(jù)的光譜信息。

特征維

該種數(shù)據(jù)表示是任意取高光譜遙感圖像數(shù)據(jù)中的兩個(gè)波段形成一個(gè)二維的坐標(biāo)空間，將這兩個(gè)波段的光譜反射率分別作為橫縱坐標(biāo)軸，如下圖1-2（c）所示。在該二維坐標(biāo)空間中，繪制了商光譜遙感圖像的每一個(gè)像素點(diǎn)在兩個(gè)波段中的光譜反射率，由兩個(gè)坐標(biāo)值所形成的點(diǎn)即二維向量。在N維坐標(biāo)空間中亦然，即特征信息用N維向量來表達(dá)。

雖然對于人類而言，N維坐標(biāo)空間難以想象，但是對于計(jì)算機(jī)而言，這種數(shù)據(jù)表示方式反而更容易對數(shù)據(jù)進(jìn)行處理。根據(jù)不同類別在維坐標(biāo)空間中的分布情況，分析未知樣本的N維特征向量落入哪一類別區(qū)域，從而判斷未知樣本屬于哪一種類別。

?

因此，對高維度數(shù)據(jù)進(jìn)行特征信息提取之前，需要對數(shù)據(jù)進(jìn)行降維處理，用較少的綜合變量來代替原來較多的變量，同時(shí)綜合變量要盡可能多的反映原來多變量包含的信息。高光譜數(shù)據(jù)降維是以簡化數(shù)據(jù)量、優(yōu)化圖像特征為目的，獲得的新的特征信息，利用低維數(shù)據(jù)來有效地表達(dá)高維數(shù)據(jù)的信息，使其能更好地反應(yīng)對象本質(zhì)，適合分類器的處理。目前高光譜數(shù)據(jù)波段降維主要有兩種途徑：一是從許多波段中挑選感興趣的若干波段，即波段選擇；二是利用所有波段，通過數(shù)學(xué)變換來壓縮數(shù)據(jù)，常用的如主成分分析法(PCA)等。波段選擇和特征提取主要基于光譜特征、空間特征或者兩者結(jié)合的光譜空間特征，既可以對特定地物或像元進(jìn)行光譜維特征挖掘，又可以從圖像空間維和光譜維進(jìn)行綜合挖掘。