Las imágenes hiperespectrales adquiridas por aire y espacio se utilizan para reconocer objetos y clasificar materiales en la superficie de la tierra. El compresor de última generación para la compresión sin pérdida de imágenes hiperespectrales es el compresor orientado espectralmente de mínimos cuadrados (SLSQ) (ver [,,,,,,]). En este documento discutimos la compresión de imágenes hiperespectrales: mostramos cómo visualizar cada banda de una imagen hiperespectral y cómo esta visualización sugiere que un ordenamiento adecuado de las bandas puede llevar a mejoras en el proceso de compresión. En particular, consideramos dos medidas de distancia importantes para el ordenamiento de bandas: la correlación de Pearson y la distancia de Bhattacharyya, y reportamos los resultados experimentales logrados por una implementación basada en Java de SLSQ.