光谱数据的预处理方法有哪些？

光谱预处理可以消除光谱数据采集中由仪器产生的噪声、背景干扰、周围杂散光干扰、光散射、震动以及样本自身不能确定性因素（如大小、颜色等）的影响，提高实验校正模型对预测集的预测精度。那么，光谱数据的预处理方法有哪些？下文对此做了介绍。

目前，采用的光谱和图像预处理方法有：

1.SG平滑处理

SG平滑是用平滑点前后特定点的平均和拟合信息来代替平滑点信息，达到平滑的效果。常用的平滑方法有Savitzky-Golay多项式卷积平滑、指数平均平滑和移动式平滑等。

2.标准化归一处理

标准归一化（SNV）是用来消除由样本反射光散射而引起的光谱误差，SNV的应用是在假定各波长点处的吸光度值满足正态分布的基础上，针对每一条光谱进行标准化校正。

3.多元散射校正

多元散射校正（MSC）是用来消除样本反射光谱和光源扩散投射中对光谱数据的影响，消除样本由此而造成的光谱差异。

4.零位线校正处理

零位线校正（Baseline）可以消除仪器的背景或漂移对信号的影响，它是项目储存中在特定时期的一个项目快照，提供一个正式标准，并且只有通过授权之后才能更改。在绘制初期零位线后，以后每次变更都以上一次形成的零位线进行一次差值，直到建成下一个零位线为止。

5.导数处理

导数处理可以用来消除采集光谱时受平缓背景和基线漂移的干扰，还可以强化谱带特征、克服谱带重叠等；如一阶导数可以消除噪声中与波长无关的漂移噪声，二阶导数可以消除那些与波长呈线性相关的漂移。

6.中值校正

中值校正（MF）用来消除采集光谱数据中数值线性突变值，采用平滑点前后特定点的平均来代替平滑点信息，以得到平滑的效果。