高光譜圖像可用于分類的特征比較多，既包括直接光譜向量，還可以計算光譜洗手指數，導數光譜，紋理特征，形狀特征等派生特征。那么想對高光譜圖像進行分類會面臨什么挑戰呢？
1、維數災難：在高光譜圖像分類方面，精度會隨著特征維數的增大而呈現先增后減的趨勢，分類器的泛化能力會隨著維數的增加而減弱；
2、非線性數據結構問題：信號的高維特性、不確定性以及物體的異質性導致高光譜數據結構的高度非線性，一些基于統計模式識別理論的分類模型很難直接對原始高維數據進行分類和識別；
3、不適定問題：在統計學習中，由于標注樣本有限，質量不均勻，統計模型往往不足以表達高光譜圖像數據的分布，模型參數無法估計或不準確；
4、空間同質性和異質性問題：物體的分布是區域性的，相鄰的位置通常代表相同的物體。空間先驗知識在分類問題中不起作用。因此，有必要引入空間上下文、紋理、語義、物體和形狀等特征和知識，以提高分類的精確度。
以上就是關于分類高光譜圖像會面臨的挑戰的介紹，對高光譜成像相機感興趣的朋友可以聯系我們哦~
