为获得合适的分类识别参量，可从已知光谱库中的植被、水体、岩石、阴影等典型地物目标中各选择出几种进行了小波包分解和最佳基分析。从ENVI遥感图像处理软件的USGS光谱库里选取Alunite（明矾石）、Calcite（方解石）、Kaolinite（高岭石）、Sodalite（方钠石）的光谱值各一组，其波段长度均为2287。对这四个数据分别进行小波包3、4、5层分解，获得它们在小波包分解二叉树的位置，并进行比较。如图5.2、图5.3和图5.4所示。
由图5.2、图5.3和图5.4可知，在进行3层小波包分解时，alunite和sodalite的最佳基完全相同，calcite则和kaolinite的完全相同，而这四种矿物质的前两个最佳基均为8、9；在进行4层小波包分解时，calcite和kaolinite的仍然完全相同，alunite和sodalite的最佳基从第6个开始不相同，所以进行4层小波包分解时选择6个以上的最佳基组成特征向量作为分类和目标识别的依据，就可以将alunite和sodalite区分开来。基于这种设想，可再分析进行5层小波包分解时的情况；在进行5层小波包分解时，变化就很明显了，从第2个最佳基开始4种物质分为两组，这两组分别在第4、5个最佳基处开始不相同。所以在进行5层小波包分解时选择5个以上最佳基组成向量，就可将这4种矿物质区分开。有此得到结论：根据岩石高光谱数据的小波包分解的前若干个小波包最佳基的异同的比较，可以将不同种类的岩石识别开来。
对从光谱库中获得的植被、水体、雪等的光谱进行同样的分解，然后分析，可以得到类似的结果，得出相同的结论。