高光谱成像仪获取的光谱图像怎么处理与分析？

高光谱成像仪在对样本进行分析时，可以获取样本的高光谱图像，高光谱图像是一个具有“图谱合一”特点的三维数据立方体，而高光谱图像的处理和分析是对样本进行定量和定性分析的重要依据。那么，高光谱成像仪获取的光谱图像怎么处理与分析？本文为大家做了简要的介绍，感兴趣的朋友可以了解一下！

高光谱图像数据的特点：

高光谱图像是一个具有“图谱合一”特点的三维数据立方体，因此高光谱图像的处理和分析既可以在指定波长情况下在空间域进行图像处理和分析，又可以在指定像素坐标位置情况下在光谱域进行光谱处理和分析，也可以同时在空间域和光谱域进行处理和分析。

下图显示了高光谱图像处理的一般流程。一般来讲，高光谱图像处理流程包括高光谱图像数据获取与校正层、高光谱图像处理与分析层和应用层三个层面。其中高光谱图像数据获取与校正层包括样品高光谱图像和参考图像的获取、高光谱图像校正；高光谱图像处理与分析层包括光谱处理与分析和图像处理与分析；应用层包括内部品质与安全性检测和外部缺陷识别与提取。

高光谱图像校正：

高光谱成像系统获取的是未经过校正的原始高光谱图像。由于相机暗电流的存在，以及不同的采集系统对检测光的敏感程度不同，故即便是在相同的外界条件下采集同一个样品，不同高光谱成像系统所获取的高光谱图像也不一定相同。因此为了使高光谱数据更具稳定性和可比性，常常需要利用参考图像把原始高光谱图像校正成为高光谱反射率图像。校正公式如下所示：

其中：Rnorm为校正后的光谱图像，Rraw为原始光谱图像，Rdark为关上光源，拧上镜头盖后采集的全暗参考图像，Rwhite为扫描反射率为99%的标准白板得到的全白参考图像。

光谱处理与分析：

为了消除光散射、光程畸变和随机噪声对光谱造成的影响，在光谱数据建模前，一般使用光谱预处理技术对光谱进行预处理。平滑、求导、归一化、多元散射校正、傅里叶变换和小波变换是常见的光谱预处理方法。不同的预处理方法具有不同的作用，例如平滑可以用来降低光谱中的随机噪声；对光谱求一阶或二阶导数可以用于移除峰谷重叠和基线漂移，同时也可以根据导数的波峰和波谷选取特征波长；归一化和多元散射校正用于降低由于样本表面形状差异而带来的光散射现象；傅里叶变换和小波变换则可以把数据转换至复数域进行相关的处理。通常情况下，需要根据光谱的数据特点和具体应用选择合理的预处理方法。

光谱数据蕴含着样本的特征信息，不同特征的样本的光谱曲线差异很大。往往需要利用多元分析的方法对样本的特征进行定性或定量的分析。基于多元分类的定性分析一般用于样本缺陷的识别与提取以及安全性的定性判定。基于多元回归的定量分析一般用于样本内部品质和影响安全性的物质含量的定量分析。

图像处理与分析：

高光谱图像在每一个响应波长处都有一个单色图像，庞大的图像数据大大增加了高光谱图像的采集和处理时间，同时数据存在较大的冗余，且并不是每一个波长处的单色图像都适合于检测。为了实现对样本的快速在线检测，必须挑选适合进行特定品质检测的有效图像。有效图像一般为位于特征波长处的单色图像，其选择方法等同于特征波长的选择，既可以依据原始光谱和预处理光谱曲线的波峰波谷位置进行选取，也可以通过多元分析方法进行选取。

图像处理和分析是实现样本自动检测的关键步骤。图像处理是图像分析和品质检测的前提和基础。图像处理操作的对象是图像，输出的结果则是便于品质分析的特征向量。图像处理包括图像预处理、图像分割和特征提取三个方面。