由于高光譜數據的高維特性，以及光譜與混合像素之間的相似性，高光譜圖像技術仍然面臨著許多問題，其中最緊迫的是以下幾個問題:

(1)高光譜圖像數據具有高維性。由于高光譜圖像是由機載或星載成像光譜儀采集的數百個波段的光譜反射率數據組合而成，因此高光譜圖像的光譜信息維度也可以是數百個維度；

(2) 缺失標記樣品。在實際應用中，收集高光譜圖像數據相當簡單，但獲取類似圖像的標簽信息卻相當具有挑戰(zhàn)性。因此，高光譜圖片的分類有時會因標記樣本的短缺而受到阻礙；

(3) 空間上光譜信息的可變性。高光譜圖像的光譜信息會因大氣條件、傳感器、地物的組成和分布以及周圍環(huán)境等因素而在空間維度上發(fā)生變化，導致每個像素對應的地物不是單一的；

(4)圖像質量，即高光譜圖像采集過程中噪聲和背景元素的干擾，對采集數據的質量有重大影響。高光譜圖像的分類精度直接受到圖像質量的影響。

各種平臺和傳感器獲得的高光譜圖像通常以原始格式呈現，這需要對其進行預處理(例如大氣、輻射和光譜校正)以糾正詳細信息。組裝高光譜數據比多光譜和 RGB 傳感器更加復雜，因為它的輻射和大氣校準工作流程更加復雜。因此，高光譜成像處理過程需要幾個步驟才能獲得精確的輸出。高光譜成像的處理意味著計算機算法的利用。它包括從可見近紅外 (VNIR) 或近紅外 (NIR) 高光譜圖像中提取、存儲和偽造信息等任務。它還提供有關處理和數據挖掘任務的不同信息(例如，分析、分類、目標檢測、回歸和模式識別)。高光譜成像包括以像素形式存儲的大量數據收集，而每個數據都與其相鄰數據特別相關。高光譜成像還包括譜域信號，因為每個圖像像素都包含光譜信息;因此，用于處理空間和光譜信息的特定工具和方法已得到擴展。如此大量的數據導致化學計量學和可視化設備的集成，以有效地挖掘重要且詳細的信息。下面的圖 2描述了普通的高光譜圖像預處理過程。

圖 1.高光譜圖像預處理工作流程

高光譜成像設備產生的大量原始數據包含大量可以通過校準糾正的錯誤?？臻g校準是將每個圖像像素與已知單位或特征相關聯(lián)的步驟之一，提供有關空間維度的信息并校正光學像差(微笑和梯形失真效果)。然而，可能存在三種使校準模型無效的情況：(1) 樣品中的化學或物理替代，(2) 由于固有的不確定性或部件老化而更換設備，以及環(huán)境/天氣條件，例如溫度或濕度。提到高光譜照片中常見有數百個波段，其中許多波段是高度相關的。因此，降維是預處理高光譜圖像時需要考慮的重要步驟。降維是高光譜圖像分類中至關重要的預處理步驟，可減少 HSI 的光譜冗余，從而實現更快的處理和更高的分類精度。降維方法將高維數據轉換為低維空間，同時保留光譜信息。因此，預處理是提高高光譜圖像質量并為后續(xù)分析做好準備的重要步驟。

高光譜成像從單個樣本和需要日常分析的數千個樣本中生成大量數據收集。與其他統(tǒng)計技術相比，高光譜圖像分析使用物理和生物模型來吸收某些波長的光。例如，空氣中的氣體和氣溶膠可以吸收特定波長的光。色散(向傳感器透視區(qū)域添加外部光源)和吸收是大氣減弱(輻射拒絕)的示例。結果，高光譜傳感器無法區(qū)分在其他時間或地點生成的成像記錄的輻射率。高光譜圖像分析技術源自光譜學，它涉及某種材料的分子成分在不同波長下的不同吸收或反射模式。該圖像必須采用適當的大氣校正技術，以便將每個像素的反射特征與已知材料的光譜進行比較;在實驗室和“圖書館”存儲區(qū)域，已知的材料光譜信息包括土壤、礦物質和植被類型。?