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，這種數(shù)據(jù)表達(dá)形式將圖像中的像素點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波段形成的灰度圖像或是由三個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)看作是一個只擁有兩個坐標(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，每一個像素點在該二維坐標(biāo)空間中都會表現(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)曲線與實際情況下的曲線有所偏差，并不能真實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)中的兩個波段形成一個二維的坐標(biāo)空間，將這兩個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像素點在兩個波段中的光譜反射率，由兩個坐標(biāo)值所形成的點即二維向量。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。