成像光譜技術(shù)是光譜技術(shù)和圖像技術(shù)的完美結(jié)合，它在獲得樣品空間信息的同時(shí)，還為每個(gè)圖像上每個(gè)像素點(diǎn)提供數(shù)十至數(shù)千個(gè)窄波段的光譜信息，這樣任何一個(gè)波長(zhǎng)的光譜數(shù)據(jù)都能生成一幅圖像，從而實(shí)現(xiàn)“圖譜合一”。通過(guò)對(duì)光譜、圖像的分析，即可對(duì)樣品的成分含量、存在狀態(tài)、空間分布及動(dòng)態(tài)變化進(jìn)行檢測(cè)。本文對(duì)成像光譜技術(shù)的成像原理及光譜數(shù)據(jù)的分析方法做了介紹，對(duì)此感興趣的朋友可以了解一下！

成像光譜的成像原理：

根據(jù)光譜的分辨率，可將成像光譜技術(shù)分為3類，分別是多光譜成像技術(shù)、高光譜成像技術(shù)、超光譜成像技術(shù)。其中多光譜成像技術(shù)的光譜分辨率△λ/λ=0.1數(shù)量級(jí)，它一般只能提供可見(jiàn)光和近紅外區(qū)域內(nèi)的幾個(gè)波段。高光譜成像技術(shù)的光譜分辨率在 △λ/λ=0.01數(shù)量級(jí)，它能提供可見(jiàn)光和近紅外區(qū)域內(nèi)的幾十至幾百個(gè)波段，光譜分辨率可達(dá)納米級(jí)。超光譜成像技術(shù)的光譜分辨率在△λ/λ=0.001數(shù)量級(jí)，它在可見(jiàn)和近紅外區(qū)域內(nèi)可提供上千個(gè)波段。

目前常用的成像光譜的波段范圍有兩種，可見(jiàn)光/近紅外區(qū)的波段范圍是400～1000nm，短波紅外區(qū)的波段范圍是900～2500nm。成像光譜儀是成像光譜技術(shù)最重要的部件，目前主要有光柵型和干涉型兩種。其中光柵型主要由前置光學(xué)系統(tǒng)、分光光柵、會(huì)聚透鏡、校正鏡系統(tǒng)、指向鏡、電子學(xué)系統(tǒng)和機(jī)械結(jié)構(gòu)等。每個(gè)光譜儀都含有一套將景物成像到狹縫的折射式前置光學(xué)系統(tǒng)。通過(guò)狹縫的光被一個(gè)平面光柵在狹縫垂直的方向進(jìn)行色散，然后成像在一個(gè)兩維焦平面陣列上。沿狹縫方向的陣列提供空間景物信息，另一方向的陣列（狹縫光沿此陣列方向色散）提供光譜信息。沿垂直狹縫的方向推掃并依次存儲(chǔ)焦面陣列所收集的空間/光譜信息，就可以產(chǎn)生一個(gè)二維的每個(gè)像素有多個(gè)譜段的空間影像。成像原理如下圖所示。

成像光譜的獲取包括3種模式，分別是逐點(diǎn)掃描式、線推掃式、畫(huà)幅式。目前用得最多的是線掃描，也稱推掃式成像光譜，在推掃過(guò)程中，每個(gè)掃描位置將獲得一個(gè)窄帶空間位置上多個(gè)像素點(diǎn)的光譜圖像，這就是原始圖像，對(duì)推掃過(guò)程中多個(gè)窄帶空間區(qū)域的原始圖像進(jìn)行圖像拼接，即可得到整個(gè)樣品的成像光譜，稱之為數(shù)據(jù)立方體。在數(shù)據(jù)立方體中，每個(gè)波長(zhǎng)下都對(duì)應(yīng)樣品的圖像。

成像光譜的系統(tǒng)構(gòu)成：

一個(gè)典型的推掃式近紅外成像光譜系統(tǒng)包括光源、紅外相機(jī)、成像光譜儀、鏡頭、移動(dòng)樣品臺(tái)、計(jì)算機(jī)圖像采集系統(tǒng)和運(yùn)動(dòng)控制系統(tǒng)等組成，系統(tǒng)構(gòu)成如下圖所示。其中成像光譜儀多采用光柵進(jìn)行分光。移動(dòng)樣品臺(tái)由步進(jìn)電機(jī)驅(qū)動(dòng)作勻速移動(dòng)。有些系統(tǒng)為了調(diào)節(jié)方便，配制了三維運(yùn)動(dòng)平臺(tái)，可作x、y軸方向上的勻速移動(dòng)，還可根據(jù)樣品尺寸在z軸方向上調(diào)整高度。有些成像光譜系統(tǒng)中樣品是固定不動(dòng)的，而紅外相機(jī)和成像光譜儀勻速移動(dòng)，完成光譜圖像的掃描。

成像光譜的光譜數(shù)據(jù)分析方法：

目前在成像光譜的分析中，多采用主成分分析法（PCA）對(duì)高維的超立方體數(shù)據(jù)進(jìn)行壓縮。主成分（得分矩陣）T是原來(lái)變量的線性

組合，用它來(lái)表征原來(lái)變量時(shí)所產(chǎn)生的平方和誤差最小。第一個(gè)主成分所能解釋原變量的方差量最大，第二個(gè)次之，其余類推，各組主成分相互正交。主成分計(jì)算的方法較多，常用的算法是非線性迭代偏最小二乘法（NIPALS）、協(xié)方差矩陣分解方法。通過(guò)對(duì)超立方體數(shù)據(jù)進(jìn)行主成分壓縮后得到特征信息，在主成分空間中可看到不同類別樣品的成像光譜的差異，從而進(jìn)行定性判別。

若需要進(jìn)行定量預(yù)測(cè)，則需要將降維后得分矩陣T與化學(xué)分析值矩陣Y進(jìn)行多元線性回歸，即可得數(shù)學(xué)模型：Y=TB+E。

式中：B=（T^TT）^-1T¹Y=為回歸系數(shù)；E為所引進(jìn)的誤差。

在所分解的主成分中，前邊的主成分包含了X矩陣的絕大部分有用信息，而后面的主成分則與噪音和干擾影響因素有關(guān)，這就是主成分回歸。目前也常采用偏最小二乘法（PLS）建立定量模型。

在實(shí)際進(jìn)行超立方體的數(shù)據(jù)分析時(shí)，由于多個(gè)樣品的數(shù)據(jù)形成了一個(gè)多維的數(shù)據(jù)集，不能直接采用PCA或PLS進(jìn)行計(jì)算，需要將原始的超立方體按照某一維度（比如波長(zhǎng)維）依次展開(kāi)，再進(jìn)行后續(xù)的計(jì)算分析，提取成像光譜中所包含的樣品成分、空間分布信息。