高光谱成像仪作为一种光电检测技术，它不仅可以获得样本的光谱信息，还可以获得样本的图像新信息，对样本进行定量与定性的分析。因此，其具有图谱合一、信噪比低等优点。那么，高光谱图像数据有几种各式？高光谱图像数据怎么分析？下文为大家作了介绍。
高光谱图像数据的格式：
高光谱遥感图像主要有3种格式：BSQ格式（Band sequential），BIP格式（Band interleaved by pixel）和BIL格式（Band interleaved by line）。BSQ的格式数据按波段顺序存储，BIP格式的数据按像素点序列存储，BIL格式的数据波段按行交叉存储。虽然不同格式的图像有不同的存储方式，但是这些高光谱图像都有共同的突出特点。
1.高光谱分辨率
通常的多光谱遥感器的专题制图仪传感器和地球观测系统的高分辨率可见光传感器只有几个波段，其光谱分辨率一般大于100 nm。高光谱成像光谱仪能获得整个可见光、近红外、短波红外、热红外波段的多而窄的连续光谱，波段数多至几十甚至数百个，光谱分辨率可达纳米级。
2.图谱合一
高光谱图像获取表图像包含了丰富的空间和光谱信息，在可见光和反射红外区，其光谱分辨率通常在100nm量级。而成像光谱仪的光谱波段较多，一般是几十个或者几百个，有的甚至高达上千个，而且这些光谱波段在成像范围内都是连续成像。因此，成像光谱仪能够获得地物在一定范围内连续的、精细的光谱曲线。
3.数据冗余度大
高光谱成像光谱仪虽然光谱波段多，光谱曲线连续且精细，但是同时也存在它不足的一面，其采样间距一般都在纳米级，造成了相邻波段的高度的相关性，冗余度也随之增加。
4.信噪比低
高光谱数据信噪比较低。随着波段数目的增加，噪声增加。然而，高光谱特征和分类研究中主要存在以下两个难点：一是高维使得计算速度受到很大影响，训练样本的不足也会导致不好的分类结果；二是波段间的强相关性增加了冗余性，如果不能有效处理，会对结果产生一定的影响。
高光谱图像数据的分析方法：
高光谱图像数据的一般处理流程如下图所示，基于高光谱图像图谱合一的特点，高光谱图像数据的分析方法可分为以下几个步骤：
1.样品制备与图像获取
首先，需要制备研究样品。制备过程中，不仅要考虑含量的影响还要考虑成分等其他因素对图像获取的影响。样品制备完成后，进行图像的获取。将样品放在载物台上并进行扫描，进而得到特定方向的线性子图像，随后移动载物台获取另一方向的线性子图像，从而得到三维原始高光谱图像。这样就记录了图像的多个波带。
2.图像预处理
原始高光谱图像记录的数据是光子强度信息，需要进行反射校正才可获取相对反射率。还需要对感兴趣区进行选择，随之进行图像的分割，进而对目标区进行隔离和定位；最后再进行光谱数据的提取。然而从样品高光谱图像的目标区的所有像素反射率的值中，只能获得一个平均频谱，因此，需重复相同的程序，得到所有测试样品的高光谱图像的光谱，将所得到的每个样品的频谱进行整合，得到一个光谱矩阵。此外，还可以通过合并、裁剪等方法对数据量极大地高光谱图像进行处理以减少无用信息的影响进而提高处理效率。
3.光谱分析
光谱分析的核心就是特征模型的建立。在光谱维，首先利用主成分分析、偏最小二乘回归等方法对全波段进行预测，之后利用偏最小二乘回归模型产生的回归系数进行特征波段的选择。在图像维，可采用数字图像处理的技术对所得图像进行有效的分割与处理从而获取目标，提取特征参数建立相关的模型，选取回归系数绝对值的最高值所对应的波段为特征波段，随后在特征波段中对模型进行预测，即利用选择的特征波段来建立多元线性回归模型，最后，再利用回归系数、交叉验证的均方根误差等参数对模型进行评估。
4.图像分析
高光谱图像中的每个像素都有自己的光谱，在每个样本的像素中，可以通过计算出化学成分的浓度等参量来生成预测图。由于精确测量每个像素是极其困难，因此可以借助回归模型来实现。最终建立组分含量分布图像或分类图像，展示隐藏的信息，进而对样品进行分析检测。
