高光谱数据的选取及特征波长的提取方法

高光谱成像仪获取的光谱信息含有很多的无用信息，因此就需要进行光谱数据的选取，在选取了有用的光谱数据后，就需要进行特征波长的提取，为预测模型的建立做准备。本文对高光谱数据的选取及特征波长的提取方法做了介绍。

高光谱数据的选取方法：

主成分分析（PCA）是高光谱数据常用的一种高维数据降维方法，可将高维数据线性变换到一个新的坐标系统，以增强信息含量、降低噪声。基于此，对获取的校正后图像进行PCA，选取第一主成分图像作为感兴趣区选取对象，再通过直方图阈值的方式选取感兴趣区（ROI）。提取样本ROI所有像素点光谱数据作为面对像素的组分判别研究数据，以兴趣区内所有点的像素平均光谱作为面对光谱的组分判别研究数据。获取的光谱波长范围为1000～2500nm，对此区域光谱数据的稳定性进行分析，其中2200nm之后的数据噪声较大，先行剔除。选取1000～2200nm范围内的数据进行后续分析，获取的数据有217个光谱维度。

高光谱数据特征波长的提取方法：

连续投影算法（SPA）是一种有效的前向循环特征波长提取方法，在光谱分析领域得到了广泛应用。SPA能够从光谱信息中充分寻找含有最低限度冗余信息的波长组合，以代表样品最大信息量。

二阶导数法（SD）通过数学模拟，计算不同波段下的二阶导数值。由于二阶导数光谱具有更加尖锐、明显的波峰和波谷，而波峰波谷往往对应着某类化学物质，且不同物质在此位置的差异也会更明显，因此通过对二阶导数光谱的波形进行分析，能迅速确定光谱变化明显的波长位置，选择的特征波长具有很好的可解释性。