高光谱成像仪的光谱图像和光谱数据怎么处理？

高光谱成像仪在对样品进行测量时，可以同时获得该样品的图像信息和光谱信息，具有“图谱合一”的特点。那么，高光谱成像仪的光谱图像和光谱数据怎么处理？本文对高光谱成像仪的光谱图像和光谱数据处理方法做了介绍。

高光谱数据含有丰富的信息，检测指标不同，所选用的信息类型也不同。一般情况下，样品外部品质的检测常选用高光谱数据的图像信息、内部品质的检测常选用高光谱数据的光谱信息，内外品质同时检测时常常将图像信息和光谱信息结合使用。无论选用哪种信息，都需经过一定的数据处理过程才能得出检测结果，但对高光谱数据的图像信息和光谱信息的处理过程不完全相同。

已有文献对高光谱图像信息的处理流程大致如下：

1）高光谱图像黑白校正。高光谱成像系统所采集的原始高光谱数据是光子强度信息，需要经过黑白校正以获得相对反射率。

2）高光谱图像预处理。包括图像去噪和图像裁剪。

3）高光谱图像降维。已有研究大多都是采用主成分分析法、独立成分分析法提取特征图像。

4）高光谱图像处理。已有研究中用到的图像处理方法有波段比算法、波段差分算法、采用灰度共生矩阵进行纹理特征提取等。

5）目标识别与分类。采用数字图像处理技术对图像分割以检测出目标；依据得到的图像特征信息，采用模式识别分类方法<用的比较多的有LDA、人工神经网络、K均值聚类、统计判别等）对样本进行分类。

已有文献对高光谱数据的光谱信息处理流程大致如下：

1）高光谱图像黑白校正。

2）光谱数据提取。计算样本高光谱图像感兴趣区域中所有像素点的平均光谱作为该样本的光谱。

3）光谱数据预处理。采用中心化、标准化、归一化、多元散射校正、标准正态变量变换、去趋势变换、一阶导、二阶导等光谱预处理方法以及它们的组合方法对光谱数据进行预处理。

4）光谱数据降维。已有研究大多采用主成分分析法、偏最小二乘模型的β系数、逐步回归法选择特征波长对光谱数据降维，也有一些文献采用遗传算法、竞争性自适应重加权算法等算法对光谱数据降维。

5）建立定性判别模型或定量分析模型。依据得到的光谱特征信息，采用LDA、人工神经网络、K均值聚类、统计判别等模式识别方法对样本进行定性判别；采用偏最小二乘回归法、多元线性回归法、支持向量机回归、人工神经网络等模式识别方法建立检测指标的定量分析模型。