高光谱图像数据基于纯像元的分析方法

高光谱成像仪获取的高光谱数据具有波段数多、光谱分辨率高、数据量大、数据率高等特点，巨大的数据量为应用和分析带来不便，因此就需要对高光谱数据进行处理。本文对高光谱数据基于纯像元的分析方法做了简要介绍。

基于成因分析的光谱分析方法：

基于成因分析的方法研究地物的光谱特性，从地物光谱特征上发现表征地物的特征光谱区间和参数，最常用的是各种各样的植被指数。这种方法普遍用于NSS和TM图像的处理和分析应用中。成像光谱仪问世以后，许多研究人员沿用了这种方法，利用成像光谱仪数据的高光谱分辨率，选取影像的波段，发展了许多更为精细的植被指数。与此相对的方法，是地物光谱重建和重建的光谱与数据库光谱的匹配识别。这一方法通过对比分析地面实测的地物光谱曲线和由成像光谱仪图像得到的光谱曲线来区分地物。为了提高成像光谱仪数据分析处理的效率和速度，一般要对这些曲线进行编码或者提取表征曲线的参数。“光谱匹配”是利用成像光谱仪探测数据进行地物分析的主要方法之一，但由于野外实际情况的复杂性，很难建立一个比较通用的地物光谱库，这就限制了利用该法进行分析，日前仅仅在比较小的范围内取得成功的运用。

基于统计分析的图像分类和分析：

基于统计分析的图像分类和分析认为每一波段的图像为随机变量，基于概率统计理论进行多维随机向量的分类。成像光谱仪图像波段多，分类很大程度上受限于数据的维数，面对数百个波段的数据，如果全部用于分类研究，在时间上往往是无法接受的。因此在图像分类之前必须压缩波段，同时又要尽可能地保留信息，即进行“降维”的研究。目前，压缩波段有两利途径，一是从众多的波段中挑选感兴趣的若干波段；二是利用所有波段，通过数学变换来压缩波段，最常用的如主成分分析法等。基于统计分析的图像分类和分析在理论上比较严谨，所以需要有充分的数据的地学特征，否则得到的结果有时是不明确的物理解释。