高光譜成像儀將傳統(tǒng)二維成像技術和光譜技術有機結(jié)合在一起，既可以獲取目標物的二維空間信息，又可以獲得一維光譜信息，具有光譜范圍廣和圖譜合一的特點。那么，高光譜成像儀的光譜圖像數(shù)據(jù)如何處理與分析？本文為大家做了介紹。

高光譜成像采集的三維數(shù)據(jù)塊能夠提供被檢樣品內(nèi)外部豐富的成分含量信息，但由于高光譜數(shù)據(jù)具有波段多、分辨率高、數(shù)據(jù)維度高、冗余性強等特點，因此必須采取合適的的數(shù)學算法對數(shù)據(jù)進行處理和分析。通常高光譜圖像處理的流程一般包括：高光譜圖像的獲取、圖像的校正，圖譜信息的提取、數(shù)據(jù)預處理、數(shù)據(jù)降維和特征變量提取、模型建立、結(jié)果分析等幾個方面?？偨Y(jié)以上的幾個方面，可以將其分成三個方面：高光譜圖像校正、光譜數(shù)據(jù)降維以及檢測模型構(gòu)建。

高光譜圖像校正和光譜預處理

在高光譜圖像采集過程中，由于圖像是未經(jīng)校正的原始圖像，在圖像的的采集過程中由于相機中的暗電流的存在會對采集系統(tǒng)產(chǎn)生一定的影響，使得采集的高光譜圖像穩(wěn)定性較差，另一方面由于原始高光譜圖像數(shù)據(jù)是光子的強度信息，需要通過反射校正來獲取相對反射率。因此對高光譜進行黑白版校正是數(shù)據(jù)分析前一個必要的過程。另外，由于在光譜信息采集的過程中存在光散射、檢測物圖像不規(guī)則以及隨機噪聲等不利因素，會使光譜曲線出現(xiàn)不平滑，信噪比較低等問題，所以在進行相關數(shù)據(jù)分析之前都會進行數(shù)據(jù)的預處理，常用的預處理方法有平滑、歸一化、求導、多元散射校正、傅里葉變換、小波分析等，通過預處理后的數(shù)據(jù)不僅提高了曲線的平滑性和信噪比，而且對后續(xù)所建模型的準確性也有一定的提升。

高光譜數(shù)據(jù)降維

由于高光譜采集的數(shù)據(jù)塊通常含有幾百甚至上千個波段的光譜信息，這就造成了過高維度的光譜信息和數(shù)據(jù)較大的冗余性，不僅使得計算過程繁瑣，而且還會降低無損檢測模型的準確性，因此在建模前對高光譜數(shù)據(jù)塊進行降維處理是進行數(shù)據(jù)分析的重要一步。查閱文獻發(fā)現(xiàn)，當前應用較多的降維處理方法主要有以下幾種：主成分分析法、獨立成分分析法、遺傳算法以及最小噪聲分離法等[19-22]，通過相應的降維算法處理后，大量的冗余信息被去除，并且特征波段和圖像被提取，這些對于簡化計算過程和提高模型的準確性發(fā)揮著重要的作用。

檢測模型的構(gòu)建

通過對降維處理后的圖譜數(shù)據(jù)進行建模，可將圖譜信息和待測品質(zhì)關聯(lián)起來，目前常用的一些化學計量學建模方法有偏最小二乘法、支持向量機、人工神經(jīng)網(wǎng)絡、多元線性回歸法，線性判別分析，F(xiàn)isher判別分析等算法，通常的做法是應用多種建模方法，最后比較不同建模方法建模集和預測集結(jié)果來選出最優(yōu)模型，因此建模方法不是固定的，而是根據(jù)不同的數(shù)據(jù)類型選用不同的建模算法，不匹配的建模方法通常會對結(jié)果準確性會產(chǎn)生較大的影響。而對于降維后的圖像維，通常采用相應的數(shù)字圖像處理技術對圖像進行分割處理，從處理后的圖像中提取特征參數(shù)建立模型，進而對被測樣本表面缺陷或殘留物進行檢測和識別。