高光谱成像仪光谱数据特征波长的选取方法介绍

高光谱成像仪在对样品进行侧脸时，会采集多波段的光谱数据，全波段数据有较多的冗余信息，因此就需要采用一定的方法来选取样本光谱的特征波段与纹理特征的重要变量。本文对高光谱成像仪光谱数据特征波长的选取方法做了介绍。

1.SPA方法

SPA通过最小化共线性向量空间和减少原始光谱矩阵中的冗余信息，从整个波长中提取最优波长。从一个波长开始，将其投影到别的波长，利用向量的投影分析比较投影向量大小，选取的待选波长为投影向量最大的波长，每次迭代中加入一个新变量，反复循环操作生成适当的参数，并且建立多元线性回归的矫正模型，根据矫正模型结果选择最终特征变量，能有效减少原始光谱的冗余信息。SPA设置的主要参数为选择变量的范围，即需要选择的最少和最多变量数。

2.CARS方法

CARS是将蒙特卡洛采样与PLSR回归系数相结合的一种特征变量选择方法，依据自适应重加权采样技术，随机选取一定数目的样本作为校正集建立模型。比较回归系数的绝对值，去掉绝对值较小的特征，并且选择均方根误差最小的子集，基于新的子集再次构建回归模型。多次循环计算，选择模型中RMSECV最小的子集中的波长作为特征波长，能有效选出最优波段组合。

3.CARS-SPA方法

CARS-SPA是两者联合方法，先用CARS筛选出部分特征波段，为了确定光谱变量能否进一步被优化，再用SPA对特征波段进行选择能进一步减少光谱冗余信息。