高光譜成像技術(shù)在數(shù)據(jù)挖掘方面表現(xiàn)了可觀的潛力，但也導(dǎo)致了巨大的難題。那么，高光譜成像技術(shù)的局限性在哪呢？本文根據(jù)已有研究資料，進(jìn)行了簡(jiǎn)單總結(jié)。

在早期的遙感圖像處理研究中，人們就注意到了 Hughes現(xiàn)象的存在。Hughes從統(tǒng)計(jì)模式識(shí)別的觀點(diǎn)指出，在監(jiān)督分類問題中，給定有限數(shù)目的訓(xùn)練樣本，當(dāng)特征維數(shù)增加到一定數(shù)量時(shí)，分類精度可能會(huì)隨著特征維數(shù)的增加相應(yīng)地減小。這種現(xiàn)象和使用高光譜的初衷產(chǎn)生了矛盾，因?yàn)椴捎酶吖庾V分辨率和維特征表達(dá)是為了能夠更精細(xì)地描述目標(biāo)類別以及更準(zhǔn)確地辨別目標(biāo)屬性但是事與愿違，數(shù)據(jù)的復(fù)雜度導(dǎo)致了令人失望的解譯結(jié)果。這個(gè)問題實(shí)際上是數(shù)學(xué)上所說的維數(shù)災(zāi)難，變量維數(shù)增加會(huì)導(dǎo)致解決問題的難度呈指數(shù)倍地增長(zhǎng)這限制了解決問題的能力。在高光譜遙感圖像解譯應(yīng)用中，?Hughes現(xiàn)象非常容易產(chǎn)生，這里有兩個(gè)原因，一是在統(tǒng)計(jì)意義上數(shù)量足夠充足且具備代表性分布的地面真實(shí)標(biāo)簽樣本非常難獲取;二是通常假定訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)服從同樣的數(shù)據(jù)分布，但是地物場(chǎng)景是復(fù)雜的，用有限數(shù)量的訓(xùn)練樣本很難精確描繪出數(shù)據(jù)空間的真實(shí)分布情況，這個(gè)可以看作數(shù)據(jù)集合的遷移問題，當(dāng)學(xué)習(xí)模型的可遷移性較差時(shí)，單純追求解譯精度可能導(dǎo)致預(yù)料之外的過度擬合，造成解譯的結(jié)果不可靠也不穩(wěn)定。而從概率論的角度，也能夠比較容易地解釋這個(gè)問題，根據(jù)概率論中的大數(shù)定律，當(dāng)重復(fù)實(shí)驗(yàn)的次數(shù)足夠多時(shí)，對(duì)事件發(fā)生的頻率所進(jìn)行的統(tǒng)計(jì)才會(huì)無限接近于事件本質(zhì)上發(fā)生的概率。對(duì)訓(xùn)練樣本的學(xué)習(xí)就像是對(duì)隨機(jī)事件的頻率統(tǒng)計(jì)，當(dāng)訓(xùn)練樣本數(shù)目足夠多時(shí)，統(tǒng)計(jì)的結(jié)果才能近似于測(cè)試樣本的真實(shí)概率分布。根據(jù)統(tǒng)計(jì)學(xué)習(xí)的有關(guān)知識(shí)，如果訓(xùn)練樣本數(shù)量不足或者分布不具有廣泛的代表性，就很難得到可靠的解譯模型，學(xué)習(xí)的泛化能力很差；

人們常用圖譜合一來形容高光譜遙感圖像的數(shù)據(jù)構(gòu)成，這是其光譜成像原理的結(jié)果，這種特性給多源特征的聯(lián)合分析提供了有力的支持，在以分辨率精細(xì)的光譜信息進(jìn)行解譯的同時(shí)，可以利用圖像信息輔助改善解譯效果。融合圖譜信息的解譯方法一般分為兩種:一種是在特征層面，將空間紋理特征和光譜特征組合后同時(shí)解譯;另一種是在決策層面，在光譜解譯之后，按照空間近鄰關(guān)系對(duì)解譯結(jié)果進(jìn)行修正。這種多源信息的融合也存在一些困難，首先，如果同時(shí)解譯紋理特征和光譜特征，研究者所要面對(duì)的特征空間會(huì)更加龐大，?Hughes現(xiàn)象會(huì)更加凸顯;其次，引入了空間信息，就意味著需要引人更多的先驗(yàn)知識(shí)才能夠更精確地解譯目標(biāo)，比如形狀、近鄰關(guān)聯(lián)等方面的信息；

光譜在空間上的變動(dòng)也是由空間造成的。物質(zhì)自身的異質(zhì)性、圖像分辨率、混合像素、噪聲等因素都可能導(dǎo)致光譜的變動(dòng)。這樣的變動(dòng)可能會(huì)造成兩個(gè)對(duì)解譯不利的影響:一個(gè)主要的影響是使得同類地物的光譜有了起伏，包括光譜幅度和光譜角度的差異，容易在解譯過程中導(dǎo)致辨別的遺漏和錯(cuò)誤;另一個(gè)是有可能使得不同目標(biāo)的光譜在經(jīng)過擾動(dòng)之后，原本不明顯的光譜差異被淹沒。這兩方面客觀上是引入了對(duì)類內(nèi)和類間進(jìn)行辨別的歧義性；

通常遙感圖像的數(shù)據(jù)量很大，特別是高光譜遙感圖像，成百上千幅光譜圖像占據(jù)的龐大數(shù)據(jù)量增加了運(yùn)算和存儲(chǔ)的資源消耗。在高維特征空間中，每個(gè)點(diǎn)的位置都由高維坐標(biāo)表示，目標(biāo)樣本的特征、距離等變量的計(jì)算都要涉及這些坐標(biāo)，也就需要昂貴的運(yùn)算代價(jià)，降低了高光譜數(shù)據(jù)解譯的效率。電子元器件的運(yùn)算速度和存儲(chǔ)能力的逐漸提高，能夠在一定程度上緩解數(shù)據(jù)量帶給解譯技術(shù)的壓力。但目標(biāo)解譯技術(shù)最終的發(fā)展要求是能夠嵌入實(shí)時(shí)處理系統(tǒng)。因此在保證解譯精度的前提下適當(dāng)改進(jìn)解譯方法的計(jì)算效率，能夠促進(jìn)解譯技術(shù)的應(yīng)用。