高光譜成像儀在對樣本進行測試時，可以獲取樣本的高光譜圖像數據，這個數據是維數據結構。高光譜數據可視為三維圖像，在普通二維圖像之外又多一維光譜信息，其空間圖像維描述樣本的二維空間特征，其光譜維揭示了圖像每一像元的光譜曲線特征。本文對高光譜成像儀高光譜圖像數據的組成及特點做了介紹。

高光譜成像儀高光譜圖像數據的組成：

高光譜數據，可表示為高光譜數據立方或高光譜立方（hyperspectral cubes），是三維數據結構。高光譜數據可視為三維圖像，在普通二維圖像之外又多一維光譜信息。其空間圖像維描述目標物的二維空間特征，其光譜維揭示了圖像每一像元的光譜曲線特征，由此實現了遙感數據圖像維與光譜維信息的有機融合。

1.空間圖像維：在空間圖像維，高光譜數據與一般的圖像相似。

2.光譜維：從高光譜圖像的每一個像元中可以獲得一個連續(xù)的光譜曲線。采用基于光譜數據庫的光譜匹配技術，可以識別地物。同時大多數地物都具有典型的光譜波形特征，尤其是光譜吸收特征。這些特征與地物成分是密切相關的，因此對光譜吸收特征參數（吸收波長位置、吸收深度、吸收寬度）的提取將成為高光譜信息挖掘的主要方面。

高光譜成像儀高光譜圖像數據的特點：

1.紋理豐富復雜，空間相關性低于普通圖像。因為高光譜圖像的分辨率為幾米，地面目標可能只占幾個像素，像素值的連續(xù)性較差，相關性較低。

2.波段多，光譜分辨率高，光譜間相關性較強。

3.空間分辨高。高的光譜分辨率和空間分辨率是遙感技術發(fā)展的兩個方向，這兩個方向有趨于統一的趨勢。

4.由于波段多，狹窄且連續(xù)，使得高光譜數據量巨大、相關性大，尤其在相鄰的波段間，具有很大的數據冗余。

高光譜圖像表示方式：

高光譜圖像一般采用以下二種表示方式：

1.三維數據。F（x，y，b），表示在x行，y列，b波段的像素值。即在空間坐標（x，y）上第b波段上采集到的光譜能量，反映相應圖像像素的灰度值。

2.光譜域的亮度矢量集。F（x，y），其中x，y對應像素的空間位置，F為空間坐標（x，y）上在光譜域的亮度矢量，每個分量表示特定的波長。