一文了解高光谱技术的成像原理及检测装置

高光谱技术具有多波段、高分辨率和图谱合一的特点，把二维图像和光谱技术融为一体，被广泛的应用于不同行业的无损检测领域，具有检测速度快、检测效率高等优点。本文对高光谱技术的成像原理、检测装置及图像数据处理方法做了介绍，对高光谱知识感兴趣的朋友可以了解一下！

高光谱技术的成像原理：

高光谱是利用很多窄的电磁波波段获取物体有关数据的技术，它可在电磁波的紫外、可见光、近红外、中红外以至热红外区域，获取许多非常窄且光谱连续的图像数据，为每个像元提供数十至数百个窄波段（通常波段宽度<10nm）光谱信息，能产生一条完整而连续的光谱曲线。高光谱具有多波段、高分辨率和图谱合一的特点，把二维图像和光谱技术融为一体。

高光谱图像可以用“三维数据块”来形象地描述，如上图所示，其中x和y表示二维平面像素信息坐标轴，第三维（λ轴）是波长信息坐标轴。高光谱图像集样本的图像信息与光谱信息于一身。图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于成分不同对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。这些特点决定了高光谱图像技术在产品内外部品质的检测方面的独特优势。

高光谱成像技术的检测装置：

由光源、光谱成像仪、图像采集卡、暗箱、数据处理软件、位移平台等构成了典型的高光谱成像装置。高光谱成像技术有基于滤片的高光谱成像系统和基于图像光谱仪的高光谱图像系统两种。下图为高光谱成像装置示意图。

高光谱图像数据的处理：

由于高光谱图像采集时会带有较多的数据，含有大量的信息冗余，因此数据降维便必不可少，选择最佳波段可以最大限度反映原始信息而不损失重要信息。主要数据降维方法有[8]：主成分分析法（PCA）、判别时分析法（DAFE）、特征波段法等。将高光谱数据降维处理后，处理特征波段处的图像：线性化拉伸灰度直方图处理计算、确定二值化阈值和分割图像区域等得到特征图像，最后可以选用偏最小二乘法（PLS）、主成分回归分析法（PCA）、多元线性回归分析法（MLR）等方法建立预测模型，实现产品内外品质的检测。