高光譜成像儀在對光譜圖像進(jìn)行分析處理的同時，可以獲得光譜信息與圖像信息，光譜成像技術(shù)因此也是光譜分析與圖像分析的有機(jī)結(jié)合，對高光譜圖像數(shù)據(jù)的處理和分析是對樣本進(jìn)行定量和定性分析的重要依據(jù)。本文對高光譜成像儀高光譜圖像降維及高光譜數(shù)據(jù)預(yù)處理方法做了介紹。感興趣的朋友可以了解一下！
高光譜成像儀高光譜圖像降維方法：
高光譜數(shù)據(jù)是一個三維數(shù)據(jù)塊，不僅可以提取每個像元的光譜信息，而且每個波長都對應(yīng)一幅灰度圖像。但是，對于分辨率較高的高光譜數(shù)據(jù)，每個數(shù)據(jù)塊就包含上百幅圖像信息，數(shù)據(jù)量過大，會降低后期的數(shù)據(jù)處理速度，并且波段較多，光譜信息之間相關(guān)性很強(qiáng)，使得三維數(shù)據(jù)塊之間存在大量冗余信息，可能影響建模結(jié)果。因此，在數(shù)據(jù)處理過程中，高光譜數(shù)據(jù)的降維是減小噪聲，提高模型識別速率和識別準(zhǔn)確率的有效手段。
1.主成分分析（PCA）
主成分分析（PCA）是被較多應(yīng)用的一種數(shù)據(jù)降維方法。PCA變換是將有相關(guān)性的原始變量沿協(xié)方差最大的方向投影，使經(jīng)過坐標(biāo)變換的高維空間數(shù)據(jù)映射到低維空間，得到線性不相關(guān)的新變量，即主成分。主成分按照方差從大到小的順序依次稱為第一主成分（PC1）、第二主成分（PC2），以此類推。原始高光譜數(shù)據(jù)經(jīng)過PCA變換，可以看作各個主成分圖像的線性組合，主成分圖像所占原始圖像信息的比重由方差貢獻(xiàn)率決定。一般，當(dāng)主成分的累計(jì)貢獻(xiàn)率達(dá)到一定比例，如85%以上，即可解釋大部分高光譜數(shù)據(jù)信息。因此，經(jīng)過PCA變換的高光譜數(shù)據(jù)僅需少量主成分就可以極大程度上表征原始信息，大大減少了數(shù)據(jù)處理時間，并消除原始數(shù)據(jù)之間冗余的信息。
2.最小噪聲分離變換（MNF）
對于高光譜數(shù)據(jù)降維，最小噪聲分離變換（MNF變換）的主要目的在于分離高光譜數(shù)據(jù)的信號和噪聲，提高信噪比。該算法可以看作是兩次主成分變換的疊加。首先，基于圖像噪聲的協(xié)方差矩陣進(jìn)行正向變換，然后，對多維圖像去相關(guān)、重定標(biāo)。變換之后的數(shù)據(jù)關(guān)聯(lián)到兩個部分：一個部分是較大特征值，及其特征圖像；另一個部分則是較小特征值，及其噪聲圖像。特征值的大小決定特征圖像的信噪比高低，用來確定有效的特征圖像。最后，正向變換后確定的圖像子集被作標(biāo)準(zhǔn)主成分變換，恢復(fù)為對應(yīng)的原始圖像。MNF將噪聲比例大的圖像排除，使有效的高光譜數(shù)據(jù)量大幅度上漲。
高光譜成像儀高光譜數(shù)據(jù)預(yù)處理方法：
高光譜成像系統(tǒng)除了能夠采集到樣本的有用光譜信息，還會受到電子噪聲、光照等外界噪聲干擾，使得光譜數(shù)據(jù)存在誤差。光譜的建模分析中，很大程度上的誤差來源于數(shù)據(jù)，有效的光譜數(shù)據(jù)是保證識別準(zhǔn)確率的關(guān)鍵。因此，采用光譜預(yù)處理方法能夠削弱或者消除不同外界干擾，增強(qiáng)數(shù)據(jù)的有效性，改善識別結(jié)果。
光譜數(shù)據(jù)預(yù)處理方法有多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、數(shù)據(jù)規(guī)范化、數(shù)據(jù)平滑校正、導(dǎo)數(shù)光譜法、小波變換法等等。下文主要介紹幾種常用的方法：
1.多元散射校正（MSC）
多元散射校正是一種對光譜的線性化處理。樣本的分布不均或者顆粒大小差異容易產(chǎn)生光散射，不能獲取到“理想”光譜。該算法假設(shè)，實(shí)際光譜與“理想”光譜成線性關(guān)系，一般情況下，"理想”光譜無法獲取，因此，常用樣本數(shù)據(jù)集的平均光譜來替代。多元散射校正能夠消除隨機(jī)變化，校正后的光譜并非原始光譜。當(dāng)光譜與待測物質(zhì)的化學(xué)特性比較相關(guān)時，多元散射校正效果較好。
2.標(biāo)準(zhǔn)正態(tài)變量變換（SNV）
標(biāo)準(zhǔn)正態(tài)變量變換類似于多元散射校正，可以用來消除散射誤差以及光程變化等影響。但是，兩種方法的處理思想不同，該方法不需要“理想”光譜，而是假設(shè)每一條光譜中，每個波長的光譜吸收值滿足一些條件，比如符合正態(tài)分布，則標(biāo)準(zhǔn)正態(tài)變量變換就是對每一條光譜進(jìn)行標(biāo)準(zhǔn)正態(tài)變換處理。標(biāo)準(zhǔn)變量變化是分別對每一條光譜進(jìn)行校正，因此，較適合處理實(shí)驗(yàn)樣本差異較大的光譜數(shù)據(jù)。
3.數(shù)據(jù)平滑校正
光譜儀的不同波段對能量響應(yīng)的不同，會導(dǎo)致光譜曲線上顯示很多隨機(jī)的“毛刺”噪聲，曲線變得不平滑。而數(shù)據(jù)平滑校正是最常用的一種，其基本思路是：在特定平，滑點(diǎn)的周圍選取指定數(shù)量的若干點(diǎn)，對其平均或擬合，求得平滑點(diǎn)的最佳估計(jì)值，減少噪聲干擾，消除隨機(jī)噪聲。移動窗口平均法和Savitzky-Golay最小二乘擬合法都是常用的光譜數(shù)據(jù)平滑校正方法。
4.光譜導(dǎo)數(shù)法
求導(dǎo)可以減少儀器干擾、樣本表面不均、光照等因素引起的基線漂移，一定程度上解決光譜信號重疊問題，將隱藏的微弱有效光譜信息放大，提供更好的光譜變化和分辨率。光譜導(dǎo)數(shù)法常用于近紅外光譜吸收峰谷的辨別以及特征波長的提取中。導(dǎo)數(shù)光譜包括一階導(dǎo)數(shù)光譜、二階導(dǎo)數(shù)光譜以及高階導(dǎo)數(shù)光譜等，實(shí)際應(yīng)用中僅用一階和二階導(dǎo)數(shù)光譜就可以滿足要求。很多隨機(jī)噪聲通常屬于高頻倍號，求導(dǎo)也許會使噪聲變大，降低信噪比，若需要對原始光譜求導(dǎo)，前提是光譜分辨率和信噪比要高。常用的光譜導(dǎo)數(shù)方有直接差分法和SG卷積求導(dǎo)法。
5.小波變換
小波變換是新發(fā)展起來的一種時-頻變換分析法，用于光譜數(shù)據(jù)壓縮和噪聲消除。小波變換繼承了傅立葉變換的局部化思想，變換中的窗口大小隨著頻率變化而變化。此外，當(dāng)時-頻局部特性和多分辨特性較好時，小波變換還使得光譜信號在不同頻率下被分解為多種尺度成分，并且根據(jù)尺度成分的大小選取相應(yīng)的采樣步長，從而能夠聚焦到任意光譜信號中。小波變換的多尺度分辨率特點(diǎn)能夠使其較快地從多噪聲信號中獲取原始光譜信號，因此，利用小波分析對含有較大噪聲的光譜信號進(jìn)行消除，是一個非常重要的應(yīng)用。
