如今高光譜成像面對兩個問題：*如何減少高光譜成像儀器的收集數據量。目前，高光譜系統捕捉了大量的的數據，過多的數據給數據處理帶來了沉重的負擔，對芯片數據的實時處理也帶來了比較高的要求。第二個問題是是把尺寸從大變為小，要實現性能、分辨率、f/number、視場大小與設備尺寸之間的平衡。  在商業上，制造商們按照集成、易用的原則制造出的高光譜成像儀器已經取得了成功。但是商業化要求的高光譜儀器需要穩定、耐用，在不同的測量環境中結果達到一致，特別是在工廠環境。  

 

高光譜成像的應用領域  高光譜如今主要被應用在民用方面：地質調查，植被遙感，農業監測，大氣遙感，水文學，災害環境遙感，土壤調查以及城市環境遙感。方面主要利用高光譜圖像識別偽裝以及利用高光譜辨識固體液體氣體和化學爭取更詳細的獲取戰場信息包括障礙物，地表特征，土壤鑒別，水下障礙等等。

 

高光譜的優勢  

隨著高光譜成像的光譜分辨率的提高，其探測能力也有所增強。因此，與全色和多光譜成像相比較，高光譜成像有以下顯著優著:  

(1)有著近似連續的地物光譜信息。高光譜影像在經過光譜反射率重建后，能獲取與被探測物近似的連續的光譜反射率曲線，與它的實測值相匹配，將實驗室中被探測物光譜分析模型應用到成像過程中。  

(2)對于地表覆蓋的探測和識別能力極大提高。高光譜數據能夠探測具有診斷性光譜吸收特征的物質，能準確的區分地表植被覆蓋類型，道路地面的材料等。  

(3)地形要素分類識別方法是多種多樣的。影像分類既可以采用如貝葉斯判別、決策樹、神經網絡、支持向量機的模式識別方法，也可以采用基于被探測物的光譜數據庫的光譜進行匹配的方法。分類識別特征是既可以采用光譜診斷特征，也可以采用特征選擇與提取。  

(4)地形要素的定量和半定量分類識別將成為可能。在高光譜影像中能估計出多種被探測物的狀態參量，大大的提高了成像高定量分析的精度和可靠性。