高光谱数据的预处理方法有哪些?怎么选择?
发布时间:2023-12-20
浏览次数:1217
高光谱成像仪在对样本进行测试时,其采集到的光谱信息除了有用信息外还包含大量的无用信息,例如电噪声、样品背景信息和杂散光等。对光谱信息进行预处理,可以降低噪音,提升信噪比,对后面的光谱标定,建模很有帮助。本文对高光谱数据的预处理方法做了介绍。
高光谱成像仪在对样本进行测试时,其采集到的光谱信息除了有用信息外还包含大量的无用信息,例如电噪声、样品背景信息和杂散光等。对光谱信息进行预处理,可以降低噪音,提升信噪比,对后面的光谱标定,建模很有帮助。本文对高光谱数据的预处理方法做了介绍。
什么是高光谱数据的预处理?
高光谱图像采集系统采集到的光谱信息除了有用信息外还包含大量的无用信息(电噪声、样品背景信息和杂散光等)。例如黑白校正是对背景干扰所做的处理,同样光谱数据预处理也是对所得到的光谱信息进行降噪处理,降低噪声对分析的影响,以获取高信噪比的光谱信息数据,在研究中我们常用到的预处理方法很多,它们所产生的效果与针对性各有不同,下面就介绍几种常用到的光谱数据预处理方法:导数法、平滑法、多元散射校正法、标准正态变量变换、小波变换等。
高光谱数据的预处理方法及选择:
1.导数法
导数法在光谱分析中应用广泛,通过对光谱信息做导数处理,可以有效减小背景信息的干扰,使图像信息更加清晰,提高分辨率。对光谱信息进行导数法处理,导数法处理包括一阶导数处理,以及多阶导数处理,根据研究的需要选择最佳的处理方法。
2.平滑法
平滑法:消除随机与机械的噪声所引起的误差,该算法最大的特点是简单,使得到的波长信息更加平滑。其实质是保留较大的偏离部分,而对较小偏离的数据进行滤除,我们来重点介绍多,项式平滑法。在得到的光谱数据中我们对所有的光谱信息设定一个同样的权重值,但是这样一个同样的标准,显然给众多的光谱数据造成扭曲变化,当给出相应的权重信息的时候就可以得到较为平滑的波长信息。通过多项式最小二乘拟合法,降低噪声的干扰,该方法即为常见的数据平通滑法。
3.多元散射校正
多元散射校正(MSC)最常用的预处理方法。由于试验样品的个体差异,也导致了光谱数据的不同,散射导致的光谱变化大多要大于样品成分所导致的变化。而MSC正是处理光谱散射所引起的光谱变化,从而得到理想的光谱信息。
4.标准正态变量变换
标准正态变量变换(SVN)它的预处理算法与(MSN)有所不同,其重点是处理因散射造成的误差影响,它的做法为把吸收到的光谱强度的分布看似为满足正态分布,从而对其进行调整。
5.矢量归一化
矢量归一化(VN)的计算公式如下,首先的到光谱强度平均值,在用每个光谱信息的强度值与其相减,与它的平方根相除,该方法的作用是消除光谱变化中所产生的噪声影响。
6.小波变换
小波消除噪声的原理为,高光谱信息中的有用信号常常表现为低频信号,一些为较为平缓的信号,但是噪声信号常常表现为高频信号,所以基于以上的信息我们首先对光谱数据进行小波变化,对分解出来的高频信号以门限阈值的算法对其进行滤除,以达到消除噪声的目的。
光谱数据预处理结果分析:
根据以上光谱数据预处理的方法得到的结果进行分析可知多元散射校正预处理方法对光谱数据的处理是十分有效、实用的。预处理后的光谱曲线平滑连续,消除噪声明显,信噪比较高,从而对后面的光谱标定,建模很有帮助。
相关产品
-
高光谱数据特征波长变量选择方法有哪些?
高光谱成像仪获取的数据非常的庞大,这些信息比较的冗沉,采取一定的方法提取对建模有效的波长变量,删除冗余变量,减少波长变量个数,优化模型,提高模型预测精确度非常..
-
高光谱数据预处理及高光谱数据特征波段提取方法
高光谱成像仪在获取样品的光谱数据时,会有很多信息是重复的或者是无信息变量甚至可能是影响数据模型结果的噪声数据,因此就需要对光谱数据进行预处理,提取特征波长数据..
-
高光谱成像技术:刑侦领域物证提取
在刑事侦查中,指纹因其唯一性和稳定性被誉为“物证之王”,而血指纹作为恶性案件现场的关键痕迹,其高效提取对案件侦破至关重要。然而,传统方法如Photoshop软件..
-
高光谱成像技术:解锁文物修复的无损密码
在历史的长河中,古籍、壁画等文物承载着人类文明的记忆。然而,高温、高湿、光照等环境因素不断侵蚀着这些文化瑰宝——墨水氧化导致字迹模糊,颜料褪色使壁画失去光彩,石..