高光譜成像儀在對樣品進(jìn)行測量時，可以同時獲得該樣品的圖像信息和光譜信息，具有“圖譜合一”的特點(diǎn)。那么，高光譜成像儀的光譜圖像和光譜數(shù)據(jù)怎么處理？本文對高光譜成像儀的光譜圖像和光譜數(shù)據(jù)處理方法做了介紹。

高光譜數(shù)據(jù)含有豐富的信息，檢測指標(biāo)不同，所選用的信息類型也不同。一般情況下，樣品外部品質(zhì)的檢測常選用高光譜數(shù)據(jù)的圖像信息、內(nèi)部品質(zhì)的檢測常選用高光譜數(shù)據(jù)的光譜信息，內(nèi)外品質(zhì)同時檢測時常常將圖像信息和光譜信息結(jié)合使用。無論選用哪種信息，都需經(jīng)過一定的數(shù)據(jù)處理過程才能得出檢測結(jié)果，但對高光譜數(shù)據(jù)的圖像信息和光譜信息的處理過程不完全相同。

已有文獻(xiàn)對高光譜圖像信息的處理流程大致如下：

1）高光譜圖像黑白校正。高光譜成像系統(tǒng)所采集的原始高光譜數(shù)據(jù)是光子強(qiáng)度信息，需要經(jīng)過黑白校正以獲得相對反射率。

2）高光譜圖像預(yù)處理。包括圖像去噪和圖像裁剪。

3）高光譜圖像降維。已有研究大多都是采用主成分分析法、獨(dú)立成分分析法提取特征圖像。

4）高光譜圖像處理。已有研究中用到的圖像處理方法有波段比算法、波段差分算法、采用灰度共生矩陣進(jìn)行紋理特征提取等。

5）目標(biāo)識別與分類。采用數(shù)字圖像處理技術(shù)對圖像分割以檢測出目標(biāo)；依據(jù)得到的圖像特征信息，采用模式識別分類方法<用的比較多的有LDA、人工神經(jīng)網(wǎng)絡(luò)、K均值聚類、統(tǒng)計判別等）對樣本進(jìn)行分類。

已有文獻(xiàn)對高光譜數(shù)據(jù)的光譜信息處理流程大致如下：

1）高光譜圖像黑白校正。

2）光譜數(shù)據(jù)提取。計算樣本高光譜圖像感興趣區(qū)域中所有像素點(diǎn)的平均光譜作為該樣本的光譜。

3）光譜數(shù)據(jù)預(yù)處理。采用中心化、標(biāo)準(zhǔn)化、歸一化、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、去趨勢變換、一階導(dǎo)、二階導(dǎo)等光譜預(yù)處理方法以及它們的組合方法對光譜數(shù)據(jù)進(jìn)行預(yù)處理。

4）光譜數(shù)據(jù)降維。已有研究大多采用主成分分析法、偏最小二乘模型的β系數(shù)、逐步回歸法選擇特征波長對光譜數(shù)據(jù)降維，也有一些文獻(xiàn)采用遺傳算法、競爭性自適應(yīng)重加權(quán)算法等算法對光譜數(shù)據(jù)降維。

5）建立定性判別模型或定量分析模型。依據(jù)得到的光譜特征信息，采用LDA、人工神經(jīng)網(wǎng)絡(luò)、K均值聚類、統(tǒng)計判別等模式識別方法對樣本進(jìn)行定性判別；采用偏最小二乘回歸法、多元線性回歸法、支持向量機(jī)回歸、人工神經(jīng)網(wǎng)絡(luò)等模式識別方法建立檢測指標(biāo)的定量分析模型。