高光谱图像数据的几种常用表达形式

高光谱图像区别于传统的二维图像，具有空间维度和光谱维特性。为了更好的处理和应用高光谱图像数据，就需要对高光谱图像数据在数学和概念方面进行准确的描述。本文对高光谱图像数据的几种常用表达形式做了介绍。

高光谱图像数据表达形式图像空间：

这样形式直观地描述了高光谱图像数据，清晰地表达了地物类别或者目标间的空间位置和上下文关系。但图像空间这种表达形式的不足之处在于它无法充分地表达高光谱图像数据的光谱维信息，因为人的视觉系统决定了只能一次观察单个波段的灰度图像或者3，4个波段合成的伪彩色图像。而高光谱图像数据往往是由数十个至数百个波段构成的“图像立方体”，波段间存在着复杂的非线性关系。因而图像空间具有一定的局限性。

高光谱图像数据表达形式光谱空间：

二维的光谱曲线空间对于某一点的光谱特征表达的最直观，其模型为一个直角坐标。在直角坐标系表示的光谱数据中，横坐标代表波长，纵坐标为反射率，光谱响应作为波长的函数，反映了电磁能量随波长的变化情况。在不同波段间，任意一个像元的灰度值会发生变化，这实际上表达了地物在不同波长处接受的辐射强度不同，整个波段区间，可以抽象为一条近似连续的光谱曲线。不同地物有不同的光谱特征，具有不同的光谱曲线，光谱库就是由不同地物的光谱曲线构成的。故可以通过光谱曲线识别不同的地物。但是由于遥感器技术发展的限制和地物构成的复杂性，存在着光谱混合和同物异谱等情况，使得光谱曲线并不能完全反映实际地物特征。

高光谱图像数据表达形式特征空间：

对于高光谱图像数据的特征空间表达形式，实际上就是把任意一个像元用一个多维特征空间中的N（表示波段数）维向量进行描述。虽然特征空间从直观上来说没有清晰明了地描述高光谱图像，但是这种特征空间中的向量描述形式，定量地描述了地物光谱响应的变化规律，更适合于高光谱图像的计算机处理。