高光谱仪高光谱图像数据的处理方法有哪些？

高光谱仪可以获取样品的高光谱图像数据，这些图像数据能反映样品的外部特征，而光谱数据又可以对样品内部物理结构及化学成分进行分析，可以说高光谱仪是图像技术与光谱技术的完美结合。那么，高光谱仪高光谱图像数据的处理方法有哪些？下文为大家进行了介绍。

高光谱图像数据信息量丰富，但数据处理非常复杂。综合国内外高光谱图像数据处理方法主要是：先选择感兴趣区域（ROIs），然后可以采用主成分分析法（PCA）、独立元分析（ICA）、连续投影算法（SPA）、线性判别分析（LDA）、Fisher判别方法（FDA）、典型分析以及遗传算法（GA）等对感兴趣区域数据进行降维处理，提取特征波长，并建立相应的判别模型，常用的建模方法有BP神经网络（BPNN）、支持向量机（SVM）、多元线性回归法（MLR）、偏最小二乘法（PLS）等。相关文献表明：支持向量机在建模分析时，结果较好，因为支持向量机不会因波段数量增加，分类精度下降，即出现所谓的Hughes现象。RBF神经网络分类效果明显高于BP神经网络分类法。