高光谱成像仪的高光谱图像数据怎么处理？

高光谱图像是由一系列连续波段图像组成的三维图像数据，既具有某个特定波长下的图像信息，又有针对 XY平面内某个特定像素的光谱信息。图像信息即空间像素点的位置，每个像素点中又包含了全波段的光谱信息。那么，高光谱成像仪的高光谱图像数据怎么处理？下文为大家做了介绍。

高光谱图像数据处理的一般流程如下图所示。由于高光谱图像既包含光谱信息，又包括图像信息，因此，高光谱图像数据的分析方法很多。归纳起来，可以分为以下几个步骤。

第一，数据校正与预处理

原始高光谱图像数据是光子强度信息，需进行反射校正获取相对反射率。对于一些球状或类球状待测物，其形状差异会使高光谱图像数据存在空间差异，可在图像维采用曲率校正方法或者在光谱维采用光谱预处理方法减弱或消除该影响。此外，由于高光谱图像的数据量较大（可达数个GB），可通过裁剪、合并等方法减少无用信息从而降低数据量。

第二，数据降维

在图像维，可根据待测物的光谱特性，直接提取反映待测物品质的一个或几个波长下的图像，也可通过一些数据降维方法如主成分分析法（PCA）、独立成分分析法或最小噪声分离法等获取关键的特征图像；还可在上述特征波段基础上，采用波段比算法、差分算法等计算特征图像。图像维的处理方法常见于被测对象的表面缺陷检测研究。在光谱维，在剔除了异常像元后，可对指定像元区域的光谱或者所有像元的光谱进行平均，计算平均光谱或偏差光谱进行分析；也可提取每个像元的光谱信息，用于像素级的分类分析。光谱维的处理方法可用于被测物内部品质和外部缺陷检测等。

第三，模型建立

在图像维，可采用数字图像处理技术对图像进行分割处理从而获取目标，提取特征参数建立相关模型；在光谱维，可将平均光谱或偏差光谱与待测品质关联，通过一些化学计量学方法如偏最小二乘法（PLS）、支持向量机、人工神经网络等，建立待测物品质的定量或定性分析模型。

第四，目标分类

根据建立的模型对待测物品质进行可视化预测研究，建立组分含量分布图像或分类图像。