高光譜圖像可視為三維立體圖像，在普通二維圖像基礎上又多了一個光譜信息維，它具有較高的光譜分辨率，因此數據量龐大，給高光譜圖像數據的傳輸和存儲帶來了巨大的壓力，因此，對它進行壓縮是非常必要的。本文對高光譜圖像的特征及壓縮技術做了介紹。

高光譜圖像的特征：

高光譜圖像可視為三維立體圖像，在普通二維圖像基礎上又多了一個光譜信息維，它具有較高的光譜分辨率，因此數據量龐大，給高光譜圖像數據的傳輸和存儲帶來了巨大的壓力，因此，對它進行壓縮是非常必要的。為了有針對性的對高光譜圖像進行處理和壓縮，首先應分析高光譜遙感圖像的特征，即分析高光譜圖像的相關性。高光譜圖像的相關性一般表現在兩個方面：空間相關性和譜間相關性。

1.空間相關性

空間相關性是指每個譜段內某一像素與其相鄰像素之間的相似性。由于遙感圖像從高空拍攝獲得，涉及目標大，圖像的空間分辨率一般為米一幾十米量級，如果空間分辨率較低，地面目標只占一個或幾個像素，像素值的連續性較差，因此空間相關性較低。

2.譜間相關性

譜間相關一方面是由于傳感器的頻譜交疊，另一方面是由于對象或目標的光譜特性在光譜上具有連續性。譜間相關性又可分為譜間統計相關性和譜間結構相關性。

（1）譜間統計相關性：光譜圖像的每個波段圖像的像素值，是相同區域地物在各個波段的反射值，各波段圖像灰度分布是相關的，其相關性的強弱在很大程度上取決于光譜分辨率。

（2）譜間結構相關性：由于不同波段的成像對象是同一地物，具有相同的物理結構，雖然同一空間位置不同波段的像素值相差很大，但與其鄰域的關系卻是很相似的，這就是譜間結構相關性。

在高光譜圖像中，相鄰兩個波段的光譜圖像間的相關性是非常強的。這種譜間相關性是光譜圖像所特有的，因此在光譜圖像處理和壓縮中要充分予以重視。

高光譜圖像壓縮技術：

為了在盡可能保留有用信息的情況下，大幅度提高高光譜圖像的壓縮比，人們將ROI壓縮思想應用到高光譜圖像壓縮中，對ROI進行無損壓縮或高保真壓縮，非ROI進行高壓縮比壓縮，實現了圖像無損壓縮與有損壓縮的結合。

與靜態圖像的壓縮技術相比，目前高光譜圖像的壓縮編碼還沒有一個公認的標準或已成熟的壓縮方法，無論是無損壓縮還是有損壓縮，主要采用的壓縮技術有變換壓縮技術、矢量量化技術和預測編碼技術等。變換/預測方法是將圖像編碼中傳統的預測和變換技術等引入到高光譜圖像的壓縮中，并利用高光譜數據的空間和譜間特性設計編碼器。矢量量化方法則利用了高光譜圖像數據的結構，由于高光譜圖像中每一像素處的數據是由多波段灰度值構成的矢量，因此能夠方便地進行矢量量化。各種矢量量化方法在數據分塊、碼書設計等方面都有自己獨特的策略。

由于高光譜圖像中不僅存在空間冗余，而且存在著很強的譜間冗余，為了去除數據中的多種冗余，高光譜圖像壓縮方法通常要綜合變換、預測、矢量量化等多種壓縮手段，并且利用分類和分割等圖像處理技術。