成像光谱的成像原理是怎样的？成像光谱的光谱数据分析方法有哪些？

成像光谱技术是光谱技术和图像技术的完美结合，它在获得样品空间信息的同时，还为每个图像上每个像素点提供数十至数千个窄波段的光谱信息，这样任何一个波长的光谱数据都能生成一幅图像，从而实现“图谱合一”。通过对光谱、图像的分析，即可对样品的成分含量、存在状态、空间分布及动态变化进行检测。本文对成像光谱技术的成像原理及光谱数据的分析方法做了介绍，对此感兴趣的朋友可以了解一下！

成像光谱的成像原理：

根据光谱的分辨率，可将成像光谱技术分为3类，分别是多光谱成像技术、高光谱成像技术、超光谱成像技术。其中多光谱成像技术的光谱分辨率△λ/λ=0.1数量级，它一般只能提供可见光和近红外区域内的几个波段。高光谱成像技术的光谱分辨率在 △λ/λ=0.01数量级，它能提供可见光和近红外区域内的几十至几百个波段，光谱分辨率可达纳米级。超光谱成像技术的光谱分辨率在△λ/λ=0.001数量级，它在可见和近红外区域内可提供上千个波段。

目前常用的成像光谱的波段范围有两种，可见光/近红外区的波段范围是400～1000nm，短波红外区的波段范围是900～2500nm。成像光谱仪是成像光谱技术最重要的部件，目前主要有光栅型和干涉型两种。其中光栅型主要由前置光学系统、分光光栅、会聚透镜、校正镜系统、指向镜、电子学系统和机械结构等。每个光谱仪都含有一套将景物成像到狭缝的折射式前置光学系统。通过狭缝的光被一个平面光栅在狭缝垂直的方向进行色散，然后成像在一个两维焦平面阵列上。沿狭缝方向的阵列提供空间景物信息，另一方向的阵列（狭缝光沿此阵列方向色散）提供光谱信息。沿垂直狭缝的方向推扫并依次存储焦面阵列所收集的空间/光谱信息，就可以产生一个二维的每个像素有多个谱段的空间影像。成像原理如下图所示。

成像光谱的获取包括3种模式，分别是逐点扫描式、线推扫式、画幅式。目前用得最多的是线扫描，也称推扫式成像光谱，在推扫过程中，每个扫描位置将获得一个窄带空间位置上多个像素点的光谱图像，这就是原始图像，对推扫过程中多个窄带空间区域的原始图像进行图像拼接，即可得到整个样品的成像光谱，称之为数据立方体。在数据立方体中，每个波长下都对应样品的图像。

成像光谱的系统构成：

一个典型的推扫式近红外成像光谱系统包括光源、红外相机、成像光谱仪、镜头、移动样品台、计算机图像采集系统和运动控制系统等组成，系统构成如下图所示。其中成像光谱仪多采用光栅进行分光。移动样品台由步进电机驱动作匀速移动。有些系统为了调节方便，配制了三维运动平台，可作x、y轴方向上的匀速移动，还可根据样品尺寸在z轴方向上调整高度。有些成像光谱系统中样品是固定不动的，而红外相机和成像光谱仪匀速移动，完成光谱图像的扫描。

成像光谱的光谱数据分析方法：

目前在成像光谱的分析中，多采用主成分分析法（PCA）对高维的超立方体数据进行压缩。主成分（得分矩阵）T是原来变量的线性

组合，用它来表征原来变量时所产生的平方和误差最小。第一个主成分所能解释原变量的方差量最大，第二个次之，其余类推，各组主成分相互正交。主成分计算的方法较多，常用的算法是非线性迭代偏最小二乘法（NIPALS）、协方差矩阵分解方法。通过对超立方体数据进行主成分压缩后得到特征信息，在主成分空间中可看到不同类别样品的成像光谱的差异，从而进行定性判别。

若需要进行定量预测，则需要将降维后得分矩阵T与化学分析值矩阵Y进行多元线性回归，即可得数学模型：Y=TB+E。

式中：B=（T^TT）^-1T¹Y=为回归系数；E为所引进的误差。

在所分解的主成分中，前边的主成分包含了X矩阵的绝大部分有用信息，而后面的主成分则与噪音和干扰影响因素有关，这就是主成分回归。目前也常采用偏最小二乘法（PLS）建立定量模型。

在实际进行超立方体的数据分析时，由于多个样品的数据形成了一个多维的数据集，不能直接采用PCA或PLS进行计算，需要将原始的超立方体按照某一维度（比如波长维）依次展开，再进行后续的计算分析，提取成像光谱中所包含的样品成分、空间分布信息。