2021-03-07 （高光谱特征描述行动，未完成，待续）

高光谱图像特征降维可以分为特征选择和特征提取两类方法。

在高光谱数据中可以提取出植被像元近乎连续的光谱曲线，能够精细的表达植被光谱特征，从而发现植被光谱整体形态和细微光谱特征的变化。通过光谱曲线的研究可以确定植被的光谱特征位置，这是波段选择的重要基础。

基于高光谱图像的特征选择即为波段选择。特征提取的目的是用较少的特征获得较高的分类识别精度，通常由于特征选择。高光谱特征变量提取包括高光谱位置变量（蓝边幅值：490-530nm内最大一阶微分光谱值；蓝边位置：蓝边幅值对应的波长位置；黄边幅值：560-640nm内最大一阶微分光谱值；黄边位置：黄边幅值对应的波长位置；红边幅值：680-760nm内最大一阶微分光谱值；红边位置：红边幅值对应的波长位置；绿峰反射率：510-560nm内最大一阶微分光谱值；绿峰位置：绿峰反射率对应的波长位置；红谷反射率：650-690nm内最小一阶微分光谱值；红谷位置：红谷反射率对应的波长位置。）、高光谱面积变量（蓝边面积：490-530nm内原始光谱曲线包围的面积；黄边面积：560-640nm内原始光谱曲线包围的面积；红边面积：680-760nm内原始光谱曲线包围的面积；绿峰面积：510-560nm内原始光谱曲线包围的面积）以及植被指数变量（绿峰反射率与红谷反射率的比值；绿峰反射率与红谷反射率归一化值；红边面积与蓝边面积的比值；红边面积与黄边面积的比值；红边面积与蓝边面积的归一化值；红边面积与黄边面积的归一化值）。

高光谱特征提取实际操作和高光谱特征选择的实际操作，正在研究中。。。基于高光谱成像技术的光谱数据处理技术是将高光谱图像上提取不同感兴趣区（ROI）的光谱数据进行数据处理的技术。