(1)波段数多 高光清通感图像是高维向量图像，光谱维数为几+甚至上百个波段，带来的问题为充落数据量大，相关性强，冗余多。
(2) 光谱特征的空间变异性。高光落图像的光请特征由f光照条件受空间、时间、环境变化以及地物种类等影响，导致不同种类的地物有相似的光谱，或相同种类的地物有差别较大，容易产生同谱异物、 同物异谱等现象，从而降低分类器的分类精度。
(3)获取样本标签困难。样本标签的获取是一项需要消耗大量人力、 物力的工作。高光谱通感图像的波段数较多，当有标签样本(训练样本)数有限时，容易导致“维数灾难”现象的发生。
(4)有标签样本的质量。即使训练样本的个数较多，有时也不能提高分类器的性能，如最大似然分类法，若选取的训练样本不能很好地代表其类别的统计特征，分类精度将大大下降。 传统的分类方法一般分 为非监督分类和监督分类，非监督分类因缺乏先验知识的指导，分类精度较低，一般只作为分类过程的辅助算法，而监督分类在很大程度上依赖训练样本的数量和质量，获取足够数目的训练样本是一件困难的事情，当训练样本较少，就造成了参数估计不准确，分类精度较低，泛化能力差等问题。从以上分析可知，高光谱遥感技术带来的机遇和挑战同时存在。为此研究半监督分类算法综合了非监督分类和监督分类的优点，充分利用海量容易获得的无标签样本所蕴含的信息，同时利用空间特征和光谱特征对图像进行分类，抑制了光谱空间变异性对分类结果的影响，提高了分类精度，增强了分类算法的鲁棒性和泛化能力。
责任编辑：