高光譜成像在遙感監(jiān)測、食品品質(zhì)及安全、農(nóng)作物病蟲害監(jiān)測、醫(yī)療診斷、航天領(lǐng)域[等有了大量的研究和應(yīng)用。那么，高光譜成像原理是什么？本文簡單介紹了高光譜成像原理和高光譜圖像數(shù)據(jù)分析方法。

?

高光譜成像原理

高光譜成像技術(shù)主要融合了光學(xué)、電子學(xué)、數(shù)字圖像信息處理及計算機科學(xué)等技術(shù)，是一門新興的無接觸式檢測技術(shù)。其產(chǎn)生的圖像具有空間和光譜兩重信息，每個像素都保存相應(yīng)位置的光譜信息，光譜也反映該特定像素的信息。

高光譜成像一般有兩種系統(tǒng)，.種是基于濾波片的成像系統(tǒng)，其裝置主要由電荷耦合器件（CCD）攝像頭和濾波片組成[川]；另一種是基于圖像光譜儀的高光譜圖像系統(tǒng)，如圖1所示，主要由 CCD或相機、光譜儀、照明單元、采集控制及處理軟件組成。

圖像采集方式有逐點掃描式、線推掃式以及面幀式，目前應(yīng)用最多的是線推掃式。圖像光譜儀的核心部件是棱鏡光柵-棱鏡（PCP）單元，并配備狹縫，在推扎過程中待測物一條窄帶的反射光束通過PGP單元，被色散后投射到CCD探測器上，物體表面的多個條帶光譜圖像進行拼接，得到整個物體的高光譜圖像。

光譜采集方式包含反射、透射、散射和熒光4種模式].其光譜覆蓋面包含紫外、可見光、近紅外和巾紅外區(qū)域、所獲波段信息量大、分辨率高、連續(xù)性強，可為待測物休屬性分析與判斷提供依據(jù)。

?

高光譜圖像數(shù)據(jù)分析

高光譜圖像數(shù)據(jù)處理的分析方法有很多，一般的分析流程是對原始光譜信息進行校正和預(yù)處理之后進行降維，選擇關(guān)鍵信息建立模型進行結(jié)果分析。

1.?數(shù)據(jù)校正與預(yù)處理

原始高光譜圖像信息是能量值，圖像采集過程受外界光照強度、試樣表南陰影等的影響較大，需要通過白板校正獲取反射率或吸收率。圖像預(yù)處理可以通過直方圖均值化或主成分分析（Principle component analysis，PCA），常用的光譜信息預(yù)處理方法「15.161有平滑（Smoothing）、求導(dǎo)（Derivatives）、遺傳算法（Genetic algorithm，GA）、歸一化（Normalization，NOR）、標準正態(tài)變量變換（Standard normal variable transformation，SNV）和多元散射校正（Multiplicative scattering correction，MSC）等。經(jīng)過數(shù)據(jù)校正和預(yù)處理，有助于提高高光譜的信噪比以及實現(xiàn)原始光譜數(shù)據(jù)的挖掘。

2.?數(shù)據(jù)降維

對于圖像信息，可以直接提取具有代表性的單一或幾個波長范圍內(nèi)的圖像，也可以采用主成分分析法、最小噪聲分離法（Minimum noise fraction，MNF）、獨立成分分析法（Independent components analysis，ICA）等獲取關(guān)鍵的主成分圖像，還可以采用波段比算法、差分算法等提取數(shù)個特征波長圖像，計算獲得新的圖像。對于光譜信息，可以以全部目標像素或感興趣區(qū)域的像素光譜平均后獲得平均光譜信息，也可以提取每個像素的光譜信息用于像素分類分析。

3.?模型建立與分析

使用圖像信息，可以采用各種圖像處理技術(shù)對圖像進行分割獲取有效信息，提取相關(guān)特征參數(shù)建立模型。使用光譜信息，可以采用化學(xué)計量學(xué)方法如多元線性回歸（Multiple linear?regression，MLR）、主成分回歸（Principal component regression，PCR）、偏最小二乘回歸（Partial least squares regression，PLSR）、支持向量機（Support vector machine，SVM）、人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network，ANN）等，建立定性或定量分析模型。在樣本集挑選時可以根據(jù)分析方法的不同來選擇，如定性分析可以用隨機挑選法、Kennard-Stone法等，定量分析中可以用含量梯度法和SPXY法等。

?