高光谱成像仪图谱数据的定性定量判断方法有哪些？

高光谱成像仪在检测样品时，不仅可以获得样品的光谱信息，还可以获得相应的图谱信息。那么，高光谱成像仪图谱数据的定性定量判断方法有哪些？

高光谱成像技术定性定量判别的一般的流程如下图所示。

由于高光谱数据冗余，需要应用统计学方法进行定性定量分析。其中定性分析中主要有监督分类与非监督分类、参数分类与非参数分类、确定性分类与非确定性分类等；定量分析模型中多采用多元变量回归，可分为线性回归（MLR，PCR，PLS等）和非线性回归（ANN，SVM等）。

高光谱成像技术应用于样本定量模型预测研究，采集完样品的原始光谱信息需要对其进行黑白校正，由于高光谱相邻谱带之间存在较强的相关性，利用全波段进行多变量建模预测比较耗时，且效果不稳定，因此需要进行特征波段的选择。

特征波段的选择方法较多，如相关系数波段选择法、显变分析波段选择法，这两种方法能简便的提取特征波段，但缺乏对数据多重共线性判别的能力，导致型最终的预测结果作为衡量波段选择的标准。

模拟退火法选择特征波段，是将预测模型自身的预测能力作为衡量标准，忽略了校正模型的稳健性，因此，当外界环境改变时，模型预测结果的重现性较差。

此外还有连续投影法（SPA）、主成分分析（PCA）等一系列方法应用于特征波段的选取。因此，在进行定性定量模型判别时要综合考虑这些方法的优缺点及适用性，从而使得模型稳健性和预测精确度达到最佳。