高光谱成像仪高光谱数据常见预处理方法及步骤

高光谱成像仪获取的光谱数据含有很多冗余的信息，这时候就需要进行光谱数据的预处理，通过预处理可以提高数据质量、降低数据维度、提取有效特征、校正数据、增强数据等，为后续的分析和应用提供更可靠的数据基础。本文对高光谱成像仪高光谱数据常见预处理方法及步骤做了介绍。

SG平滑滤波处理方法：

SG滤波的基本思想是利用多项式拟合来近似原始数据，然后使用拟合曲线来估计平滑后的数值。它的主要步骤包括以下几个部分：

1.窗口选择：首先需要选择一个窗口大小，窗口的大小决定了用于拟合多项式的数据点的数量。通常窗口大小是奇数，以确保对称性。

2.多项式拟合：在每个窗口内，使用最小二乘法进行多项式拟合。通常选择的是低阶多项式，如线性或二次多项式。

3.平滑处理：对于每个窗口，使用拟合的多项式来估计中心点的数值，作为平滑后的结果。

SG滤波相比于一般的移动平均滤波具有保留了原始数据的整体趋势，不会产生明显的偏移，对于高频噪声的抑制效果更好，能够更好地保留信号的特征等优势。需要注意的是，SG滤波在平滑数据的同时也会引入一定程度的相位延迟，因此在应用时需要考虑这一影响。

标准正态变换处理方法：

标准正态变换主要作用是将任意分布的光谱数据转换为正态分布，即均值为0，方差为1的正态分布，有助于研究人员更好的分析和比较光谱数据。其预处理步骤如下：

（1）收集需要进行标准正态变换的光谱数据

（2）计算光谱数据集的均值μ和标准差ρ，其公式如下：

（3）对于每个光谱数据点xi，使用以下公式进行标准正态变换：

其中，Zi代表经过转换后的值。

标准正态变换常用于统计比较、回归分析、异常值检测以及数据可视化等场景。用以提高数据的可解释性和分析性。

多元散射校正处理方法：

多元散射校正最开始是在遥感领域考虑到大气中光的散射现象，尤其是多次散射效应，为了更准确还原观测的遥感信号而提出的。在大气传输中，光线在大气中的传播会发生多次散射，导致地表信号包含了不同方向的光线。这种多次散射效应使得遥感信号呈现出复杂的混合特性，需要进行校正以提取地表特征。而室内的高光谱数据其实也面临着这一问题。在室内条件下，光在不同材料表面的散射也会导致混合效应。这包括来自不同方向的多次散射，使得观测到的光谱信号变得复杂，包含多个表面的反射和散射成分。经过多次散射会使高光谱数据的解释变得更加复杂，对反射率以及定量分析的准确性都会造成影响。通过多元散射校正有助于确保获取的信息更具可靠性、确保定量分析的准确性、提高数据之间的一致性以及有助于光谱数据的准确性和可解释性。