高光谱图像数据的处理方法:校正与降维
发布时间:2024-07-12
浏览次数:1559
高光谱图像由于既包含光谱信息,又包括图像信息,因此,在建立预测模型时需要对光谱信息进行处理。本文对高光谱图像数据的校正方法和降维方法做了介绍。
高光谱图像由于既包含光谱信息,又包括图像信息,因此,在建立预测模型时需要对光谱信息进行处理。本文对高光谱图像数据的校正方法和降维方法做了介绍。
高光谱图像数据的校正方法:
图像采集时不同的波段下光源强度分布不均匀或者接收器存在暗电流等因素引起的光强变化会影响采集图像的质量。因此,在进一步的光谱分析前对样品的高光谱图像进行图像校正(即黑白校正)显得尤为重要。在与采集高光谱图像相同的条件下,先扫描反射率接近99.99%的标准聚四氟乙烯白色校正板得到全白的标定图像,然后盖上镜头盖进行采集得到反射率几乎为0%的全黑的标定图像,最后根据下列公式对原始采集的高光谱图像进行计算得到校正后的图像。
式中,W为全白的标定图像,B为全黑的标定图像,I0为原始采集的高光谱图像,I为校正后的高光谱图像。
高光谱图像数据的降维方法:
由于高光谱采集的数据块通常含有几百甚至上千个波段的光谱信息,这就造成了过高维度的光谱信息和数据较大的冗余性,不仅使得计算过程繁琐,而且还会降低无损检测模型的准确性,因此在建模前对高光谱数据块进行降维处理是进行数据分析的重要一步。查阅文献发现,当前应用较多的降维处理方法主要有以下几种:主成分分析法、独立成分分析法、遗传算法以及最小噪声分离法等,通过相应的降维算法处理后,大量的冗余信息被去除,并且特征波段和图像被提取,这些对于简化计算过程和提高模型的准确性发挥着重要的作用。
上一页 : 光栅色散型光谱成像仪的原理介绍
下一页 : 干涉型分光高光谱成像仪的原理及特点
相关产品
-
高光谱数据特征波长变量选择方法有哪些?
高光谱成像仪获取的数据非常的庞大,这些信息比较的冗沉,采取一定的方法提取对建模有效的波长变量,删除冗余变量,减少波长变量个数,优化模型,提高模型预测精确度非常..
-
高光谱数据预处理及高光谱数据特征波段提取方法
高光谱成像仪在获取样品的光谱数据时,会有很多信息是重复的或者是无信息变量甚至可能是影响数据模型结果的噪声数据,因此就需要对光谱数据进行预处理,提取特征波长数据..
-
高光谱成像技术:刑侦领域物证提取
在刑事侦查中,指纹因其唯一性和稳定性被誉为“物证之王”,而血指纹作为恶性案件现场的关键痕迹,其高效提取对案件侦破至关重要。然而,传统方法如Photoshop软件..
-
高光谱成像技术:解锁文物修复的无损密码
在历史的长河中,古籍、壁画等文物承载着人类文明的记忆。然而,高温、高湿、光照等环境因素不断侵蚀着这些文化瑰宝——墨水氧化导致字迹模糊,颜料褪色使壁画失去光彩,石..