高光谱成像原理是什么？高光谱图像数据分析方法

高光谱成像在遥感监测、食品品质及安全、农作物病虫害监测、医疗诊断、航天领域[等有了大量的研究和应用。那么，高光谱成像原理是什么？本文简单介绍了高光谱成像原理和高光谱图像数据分析方法。

高光谱成像原理

高光谱成像技术主要融合了光学、电子学、数字图像信息处理及计算机科学等技术，是一门新兴的无接触式检测技术。其产生的图像具有空间和光谱两重信息，每个像素都保存相应位置的光谱信息，光谱也反映该特定像素的信息。

高光谱成像一般有两种系统，.种是基于滤波片的成像系统，其装置主要由电荷耦合器件（CCD）摄像头和滤波片组成[川]；另一种是基于图像光谱仪的高光谱图像系统，如图1所示，主要由 CCD或相机、光谱仪、照明单元、采集控制及处理软件组成。

图像采集方式有逐点扫描式、线推扫式以及面帧式，目前应用最多的是线推扫式。图像光谱仪的核心部件是棱镜光栅-棱镜（PCP）单元，并配备狭缝，在推扎过程中待测物一条窄带的反射光束通过PGP单元，被色散后投射到CCD探测器上，物体表面的多个条带光谱图像进行拼接，得到整个物体的高光谱图像。

光谱采集方式包含反射、透射、散射和荧光4种模式].其光谱覆盖面包含紫外、可见光、近红外和巾红外区域、所获波段信息量大、分辨率高、连续性强，可为待测物休属性分析与判断提供依据。

高光谱图像数据分析

高光谱图像数据处理的分析方法有很多，一般的分析流程是对原始光谱信息进行校正和预处理之后进行降维，选择关键信息建立模型进行结果分析。

1. 数据校正与预处理

原始高光谱图像信息是能量值，图像采集过程受外界光照强度、试样表南阴影等的影响较大，需要通过白板校正获取反射率或吸收率。图像预处理可以通过直方图均值化或主成分分析（Principle component analysis，PCA），常用的光谱信息预处理方法「15.161有平滑（Smoothing）、求导（Derivatives）、遗传算法（Genetic algorithm，GA）、归一化（Normalization，NOR）、标准正态变量变换（Standard normal variable transformation，SNV）和多元散射校正（Multiplicative scattering correction，MSC）等。经过数据校正和预处理，有助于提高高光谱的信噪比以及实现原始光谱数据的挖掘。

2. 数据降维

对于图像信息，可以直接提取具有代表性的单一或几个波长范围内的图像，也可以采用主成分分析法、最小噪声分离法（Minimum noise fraction，MNF）、独立成分分析法（Independent components analysis，ICA）等获取关键的主成分图像，还可以采用波段比算法、差分算法等提取数个特征波长图像，计算获得新的图像。对于光谱信息，可以以全部目标像素或感兴趣区域的像素光谱平均后获得平均光谱信息，也可以提取每个像素的光谱信息用于像素分类分析。

3. 模型建立与分析

使用图像信息，可以采用各种图像处理技术对图像进行分割获取有效信息，提取相关特征参数建立模型。使用光谱信息，可以采用化学计量学方法如多元线性回归（Multiple linear regression，MLR）、主成分回归（Principal component regression，PCR）、偏最小二乘回归（Partial least squares regression，PLSR）、支持向量机（Support vector machine，SVM）、人工神经网络（Artificial neural network，ANN）等，建立定性或定量分析模型。在样本集挑选时可以根据分析方法的不同来选择，如定性分析可以用随机挑选法、Kennard-Stone法等，定量分析中可以用含量梯度法和SPXY法等。