高光譜成像技術(shù)集中了光學(xué)、光電子學(xué)、電子學(xué)、信息處理、計(jì)算機(jī)科學(xué)等領(lǐng)域的先進(jìn)技術(shù)，是傳統(tǒng)的二維成像技術(shù)和光譜技術(shù)有機(jī)的結(jié)合在一起的一門新興技術(shù)。它可以獲得被測(cè)樣本的光譜信息和圖譜信息，因此具有“圖譜合一”的特點(diǎn)。那么，高光譜圖像數(shù)據(jù)有什么特點(diǎn)？高光譜圖像數(shù)據(jù)怎么分析？

高光譜圖像數(shù)據(jù)的特點(diǎn)：

高光譜圖像是一個(gè)具有“圖譜合一”特點(diǎn)的三維數(shù)據(jù)立方體，因此高光譜圖像的處理和分析既可以在指定波長(zhǎng)情況下在空間域進(jìn)行圖像處理和分析，又可以在指定像素坐標(biāo)位置情況下在光譜域進(jìn)行光譜處理和分析，也可以同時(shí)在空間域和光譜域進(jìn)行處理和分析。

下圖顯示了高光譜圖像處理的一般流程。一般來講，高光譜圖像處理流程包括高光譜圖像數(shù)據(jù)獲取與校正層、高光譜圖像處理與分析層和應(yīng)用層三個(gè)層面。其中高光譜圖像數(shù)據(jù)獲取與校正層包括樣品高光譜圖像和參考圖像的獲取、高光譜圖像校正；高光譜圖像處理與分析層包括光譜處理與分析和圖像處理與分析；應(yīng)用層包括內(nèi)部品質(zhì)與安全性檢測(cè)和外部缺陷識(shí)別與提取。

高光譜圖像數(shù)據(jù)的處理方法：

高光譜圖像數(shù)據(jù)信息量豐富，但數(shù)據(jù)處理非常復(fù)雜。綜合國(guó)內(nèi)外高光譜圖像數(shù)據(jù)處理方法主要是：先選擇感興趣區(qū)域，然后可以采用主成分分析法、獨(dú)立元分析、連續(xù)投影算法、線性判別分析、Fisher判別方法、典型分析以及遺傳算法等對(duì)感興趣區(qū)域數(shù)據(jù)進(jìn)行降維處理，提取特征波長(zhǎng)，并建立相應(yīng)的判別模型，常用的建模方法有BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、多元線性回歸法、偏最小二乘法等。相關(guān)文獻(xiàn)表明：支持向量機(jī)在建模分析時(shí)，結(jié)果較好，因?yàn)橹С窒蛄繖C(jī)不會(huì)因波段數(shù)量增加，分類精度下降，即出現(xiàn)所謂的Hughes現(xiàn)象。RBF神經(jīng)網(wǎng)絡(luò)分類效果明顯高于BP神經(jīng)網(wǎng)絡(luò)分類法。

高光譜圖像數(shù)據(jù)的分析方法：

高光譜圖像由于既包含光譜信息，又包括圖像信息，因此高光譜圖像數(shù)據(jù)分析方法很多。這里以歸納高光譜圖像數(shù)據(jù)的處理為例，介紹高光譜成像儀圖譜數(shù)據(jù)處理方法。

第1步，高光譜圖像的校正和預(yù)處理

原始高光譜數(shù)據(jù)是光子強(qiáng)度信息，需進(jìn)行黑白板校正獲取相對(duì)反射率。由于高光譜圖像通常在光譜波段范圍的首尾端信噪比較低，所以黑白板校正后的高光譜圖像需要進(jìn)行預(yù)處理以剔除這些噪聲較大的部分。此外，由于高光譜數(shù)據(jù)量較大，對(duì)于一些無用部分可通過裁剪等方法減少高光譜圖像數(shù)據(jù)。

第2步，高光譜圖像的降維

在圖像維，可根據(jù)待測(cè)物的光譜特性，直接提取反映待測(cè)對(duì)象品質(zhì)的一個(gè)或幾個(gè)波長(zhǎng)圖像；也可采用主成分分析、獨(dú)立成分分析法或最小噪聲分離法等獲取關(guān)鍵的特征圖像；還可在上述特征波段基礎(chǔ)上，采用波段比算法或者波段差算法或者二次差分算法計(jì)算特征圖像；在光譜維，可對(duì)研究對(duì)象中一定像素區(qū)域的光譜或所有像素的光譜進(jìn)行平均獲得平均光譜信息或偏差光譜信息。

第3步，品質(zhì)預(yù)測(cè)，目標(biāo)檢測(cè)及識(shí)別

在圖像維，可采用數(shù)字圖像處理技術(shù)對(duì)圖像進(jìn)行分割從而獲取目標(biāo)；在光譜維，可與化學(xué)計(jì)量學(xué)方法結(jié)合，建模預(yù)測(cè)分析待測(cè)物的品質(zhì)，或進(jìn)行判別分析。

第4步，目標(biāo)分類

根據(jù)得到的圖像特征或者光譜信息，采用模式識(shí)別方法分類目標(biāo)。