高光譜遙感的地質應用很大程度上要依賴于相關的信息處理、分析方法與技術的進展，這些方法一方面要借助于一般的信息處理、分析技術及相關的數學方法，同時也要緊密結合地質應用本身的特點。因此，高光譜地質應用的技術具有其的特點。在此，將從幾個主要的方面對高光譜地質應用的主要技術進行概括。
(1) 光譜微分技術（spectralderivative）：光譜微分技術包括對反射光譜進行數學模擬和計算不同階數的微分(差分)值，以確定光譜彎曲點和最小反射率的波長位置。光譜微分強調曲線的變化和壓縮均值影響。一般認為，可用一階微分去除部分線性或接近線性的背景、噪聲光譜對目標光譜（須為非線性的）的影響。
(2) 光譜匹配技術（spectralmatching）：光譜匹配技術包括圖像光譜對參考光譜的匹配，或圖像光譜與光譜庫的比較，以求出它們之間的相似性或差異性。
CCSM（crosscorrelogramspectralmatching）交叉相關光譜匹配考慮圖像光譜和參考光譜之間的相關系數、偏度和相關顯著性標準。通過計算圖像光譜（包括測試光譜）和參考光譜（實驗室或已知像元光譜）在不同光譜位置的交叉相關系數，繪制交叉相關曲線圖。
（3）混合光譜分解技術（spectralunmixing）：這類技術主要分析光譜數據以確定在同一像元內不同成分（目標）所占的比例或識別在已知端元組分（endmember）分析中其它的組分。由于圖像分辨率的限制，圖像中存在大量的混合像元。混合像元分解技術就是提取像元中不同地物類別（端元組分）豐度的方法。已被廣泛應用于許多地質制圖中。
此外，光譜吸收指數（Spectralabsorptionindex）可進行高光譜遙感圖像處理和識別光譜吸收特征，也可進行混合光譜的分解。
（4）光譜分類技術(spectralclassification)：在高光譜遙感的地質應用中，光譜分類技術也很重要，可用于有關礦物成分或巖性的識別與制圖。主要的方法包括傳統的似然方法、人工神經網絡方法、支持向量機方法和光譜角制圖方法（SpectralAngelMap-per,SAM）。
(5）光譜特征提取（spectralfeatureextraction）：特征是對象所表現出來的各種屬性和特點。這里的特征提取包括：按照一定的準則直接從原始空間中選出一個子集，即波段選擇；另一類是在原始特征空間和新特征空間之間找到某種映射關系，在新特征空間中選擇子集（子空間）。
(6）模型方法（modeling）：即基于礦物和巖石的散射和吸收光譜性質模擬反射光譜的各種模型方法，是從物理原理入手、從本質上理解認識巖石礦物光譜的物理機制與物理過程，建立光譜數學物理模型，識別并定量提取巖石礦物信息。
推薦：
無人機機載高光譜成像系統 iSpecHyper-VM100
一款基于小型多旋翼無人機機載高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統采用了內置掃描系統和增穩系統，成功克服了小型無人機系統搭載推掃式高光譜相機時，由于無人機系統的震動造成的成像質量差的問題，同時具有高光譜分辨率和優異的成像性能。
詳情可見：
/duoxuanyiwurenjigaoguangpuchengxiangxitong/833.html
無人機機載高光譜成像系統 iSpecHyper-VM200
無人機機載高光譜成像系統配合定制開發的高性能穩定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊。該系統與大疆M600 pro無人機適配，同時支持同類型的多種無人機，無人機機載高光譜成像系統廣泛應用于農業、林業、水環境等行業領域，系統支持配件升級及定制化開發，為教育科研、智慧農業、目標識別、軍事反等行業應用領域提供了高性價比解決方案。
詳情可見：
/duoxuanyiwurenjigaoguangpuchengxiangxitong/833.html
