高光譜圖像包含豐富的空間信息和光譜信息，針對(duì)全色或多光譜圖像的信息提取方法不適合高光譜圖像的處理，因此，需要根據(jù)高光譜遙感的機(jī)理和圖像的特點(diǎn)，發(fā)展新的信息提取模型與方法。高光譜圖像波段多、數(shù)據(jù)量大，而且混合像元問題較為嚴(yán)重，且同物異譜影響明顯，這都是信息提取研究需要解決的關(guān)鍵問題，概括為4個(gè)方面：

①高光譜圖像波段較多，相鄰波段之間必然有著很強(qiáng)的相關(guān)性，這使得所觀測(cè)到的數(shù)據(jù)在一定程度上存在冗余現(xiàn)象，而且數(shù)據(jù)量大，為圖像的處理帶來了壓力，數(shù)據(jù)的膨脹導(dǎo)致計(jì)算機(jī)處理負(fù)荷大幅增加。另外，在高光譜圖像數(shù)據(jù)獲取過程中出現(xiàn)的噪聲將會(huì)使圖像中的光譜信息產(chǎn)生“失真”。因此需要進(jìn)行數(shù)據(jù)降維，以壓縮數(shù)據(jù)量和提高運(yùn)算效率，同時(shí)可以簡化和優(yōu)化圖像特征，并最大限度保留信號(hào)和壓縮噪聲。

②當(dāng)一個(gè)像元對(duì)應(yīng)的瞬時(shí)視場(chǎng)內(nèi)存在多種不同地物類型，該像元的光譜特征則由這些地物的光譜信息共同構(gòu)成，由此產(chǎn)生了混合像元現(xiàn)象。由于遙感器空間分辨率的制約，高光譜圖像中普遍存在混合像元問題，這是制約分類精度提高和目標(biāo)探測(cè)準(zhǔn)確率的重要因素。為進(jìn)一步挖掘像元內(nèi)部信息，需要進(jìn)行混合像元分解，發(fā)展描述光譜混合物理過程的數(shù)學(xué)模型以及求解模型的解混算法。

③利用高光譜圖像進(jìn)行地物精細(xì)分類是高光譜遙感技術(shù)應(yīng)用的核心內(nèi)容之一，分類結(jié)果是專題制圖的基礎(chǔ)數(shù)據(jù)，在土地覆蓋和資源調(diào)查以及環(huán)境監(jiān)測(cè)等領(lǐng)域均有著巨大的應(yīng)用價(jià)值。高光譜圖像分類中主要面臨Hughes現(xiàn)象和維數(shù)災(zāi)難、特征空間中數(shù)據(jù)非線性分布等問題。同時(shí)，傳統(tǒng)算法多是以像元作為基本單元進(jìn)行分類，并未考慮遙感圖像的空間域特征，從而使得算法無法有效處理同物異譜問題，分類結(jié)果中地物內(nèi)部易出現(xiàn)許多噪點(diǎn)。

④高光譜圖像提供的精細(xì)光譜特征可以用于區(qū)分存在細(xì)微差異的目標(biāo)，包括那些與自然背景存在較高相似度的目標(biāo)。因此，高光譜圖像目標(biāo)探測(cè)技術(shù)在公共安全和國防領(lǐng)域中有著巨大的應(yīng)用潛力和價(jià)值。高光譜圖像目標(biāo)探測(cè)要求目標(biāo)具有診斷性的光譜特征，在實(shí)際應(yīng)用中受目標(biāo)光譜的變異性、背景信息分布與模型假設(shè)存在差異、目標(biāo)地物尺寸處于亞像元級(jí)別等問題影響，有時(shí)存在虛警率過高的問題，需要發(fā)展穩(wěn)定可靠的新方法。

此外，高光譜遙感觀測(cè)的目的是獲取有用的目標(biāo)信息，而不是體量巨大的高維原始數(shù)據(jù)，傳統(tǒng)圖像處理平臺(tái)和信息提取方式難以滿足目標(biāo)信息快速獲取的需求。盡管高性能處理器件的迅猛發(fā)展，為亟待解決的高光譜圖像并行快速處理和在軌實(shí)時(shí)信息提取提供了實(shí)現(xiàn)途徑，但也面臨著一系列的關(guān)鍵技術(shù)問題。并行處理和在軌實(shí)時(shí)處理都需要對(duì)算法架構(gòu)進(jìn)行優(yōu)化，同時(shí)要依據(jù)處理硬件的特點(diǎn)考慮編程方面的問題，此外，在軌實(shí)時(shí)處理還對(duì)硬件在功耗等方面提出了特殊的要求。