高光谱图像特征的表达形式

高光谱图像数据将地物光谱信息和图像信息融为一体，其数据具有两类表述空间：几何空间和光谱特征空间。

几何空间

直观表达每个像元在图像中的空间位置以及它与周边像元之间的相互关系，为高光谱图像处理与分析提供空间信息。

光谱特征空间

高光谱图像中的每个像元对应着多个成像波段的反射值，近似连续的光谱曲线表达为一个高维向量，向量在不同波段值的变化反映了其所代表的目标的辐射光谱信息，描述地物的光谱响应与波长之间的变化关系。其优势是特征维度的变化以及扩展性。对于同样的高光谱数据，能够从最大可分性的角度在更高维的特征空间中观察数据分布，或者映射到一系列低维的子空间。因此将高光谱像元向量作为高维特征空间里的数据点，根据数据的统计特性来建立分类模型。模式识别成为图像分类的理论基础，基于该方法的分类成为应用最广泛分类方式。光谱特征空间的弱点是无法表达像元间的几何位置关系。

从高光谱图像分类框架（图7）可以看出，其核心问题的解决方案在于两方面：一是特征挖掘，特征是高光谱图像分类的重要依据，通过变换和提取得到不同地物类别具有最大差异性的特征，能够极大提高感兴趣类别的可分性程度；二是分类器设计，利用适合的分类器有利于发现复杂数据的内涵，如非线性特征等，从而提高高光谱图像分类的精度。