يک تصوير ابرطيفي، مجموعه داده اي است که در فرکانس هاي مشخصي از طيف الکترومغناطيسي ثبت شده است. تصويربرداري ابرطيفي، استخراج اطلاعات اضافي را که ديد انسان قادر به دريافت آنها نيست، ممکن مي سازد. اين تصاوير گونه اصلي تصاويري هستند که توسط سنسورهاي سنجش از راه دور بدست مي آيند. هدف تصاوير ابرطيفي بدست آوردن،‌ تحليل و آناليز اطلاعات از تصاوير گرفته شده به وسيله سنجده هايي مي باشد که در باندهاي زيادي (۲۰۰ باند، ۲۲۰ باند و ...) تصويربرداري مي کنند. فرآيند تصاوير ابرطيفي به اين صورت مي باشد که هنگامي که انر‍ژي از طريق منبع نور به جسمي مي تابد، بخشي از اين انرژي جذب جسم و بخش ديگر آن بازتاب مي گردد. اين انرژي بازتابي براي هر جسمي،‌ طول موجي مخصوص به خود را دارد که اين طول موج در باندهاي مختلف تصاوير ابرطيفي منعکس گرديده و هر باند خاصيتي از آن ماده را بيان مي کند. از آنجا که عنصرهاي شيميايي امضاهاي طيفي منحصر به فردي دارند، مشاهده طيف با وضوح مکاني و طيفي زياد، اطلاعات مفيدي از ويژگي هاي مواد موجود در صحنه با دقت بسيار بيشتر از آن چه با تصاوير سه رنگ متداول ممکن است، فراهم مي کند. در نتيجه، تصويربرداري ابر طيفي در بسياري از کاربردهاي مهم مانند نظامي،‌ پزشکي، زمين شناسي، کشاورزي و هواشناسي قابل استفاده است. بيشتر حسگرهاي ابرطيفي مانند سنجنده اويرس محدوه طيف مرئي و نزديک فروسرخ (۴۰۰ تا ۲۵۰۰ نانومتر) از طيف الکترومغناطيس را پوشش مي دهد. سنجده اويرس متعلق به سازمان ناسا،‌ يکي از اين ماموريتهاي سنجش از دور را عهده دار است. داده هاي جمع آوري شده با حسگرهاي ابرطيفي قابل مشاهده در دو بعد مکاني و يک بعد طيفي هستند که اصطلاحا مکعب داده هاي ابرطيفي ناميده مي شوند.

استفاده از تصاوير ابرطيفي به دليل فراهم آوردن حجم عظيم اطلاعات طيفي، امكان طبقه بندي با دقت بالا و تمييز بين كلاسها با جزئيات بيشتر را به خوبي فراهم مي كند. افزايش تعداد زياد باندهاي طيفي از اين جهت مفيد و با ارزش است، ولي از طرف ديگر به دليل محدوديت تعداد نمونه هاي آموزشي با مشكل پديده هيوز مواجه خواهيم شد. راه حل هاي مختلفي براي حل مشكل تعداد نمونه هاي آموزشي محدود وجود دارد كه از آن جمله مي توان به اين موارد اشاره كرد: استفاده از طبقه بندهاي مناسب غير پارامتريك كه حساسيت كمتري به تعداد نمونه هاي آموزشي دارند.استفاده از نمونه هاي آموزشي نيمه برچسب دار و كاهش تعداد ويژگي ها تا كاهش ويژگي خود به دو گروه كلي انتخاب ويژگي و استخراج ويژگي تقسيم بندي مي شود.