高光谱遥感图像和常见的二维图像不同之处在于，它在二维图像信息的基础上添加光谱维，进而形成三维的坐标空间。如果把成像光谱图像的每个波段数据都看成是一个层面，将成像光谱数据整体表达到该坐标空间，就会形成一个拥有多个层面、按波段顺序叠合构成的三维数据立方体。
高光谱遥感具有不同于传统遥感的新特点：
（1）波段多——可以为每个像元提供几十、数百甚至上千个波段
（2）光谱范围窄——波段范围一般小于10nm
（3）波段连续——有些传感器可以再350~2500nm的太阳光谱范围内提供几乎连续的地物光谱
（4）数据量大——随着波段数的增加，数据量呈指数增加
（5）相邻谱带间相关——由于相邻谱带间高度相关，冗余信息也相对增加，这一特点也为其降维处理（包括波段选择、特征提取等）和谱间压缩提供可能
（6）随着维数的增加，超立方体的体积集中于角端，超球体和椭球体的体积集中在外壳，该特点进一步为高光谱图像的降维和压缩处理提供了理论依据。
根据高光谱图像的特点及其相关技术处理的需要，高光谱数据与其所携带的信息一般采用如下的三种空间表达方式：图像空间、光谱空间和特征空间。
1、图像空间（有空间几何位置关系）
2、光谱空间，光谱信息
3、特征空间（在光谱空间进行取样，将得到的n个数据用一个n维向量来表示，它是表示光谱响应的另一种方式。N维向量包含了对应像素的全部光谱信息。在三种表示方法中，特征空间表示法适合于模式识别中的应用。）
