高光谱成像技术的原理及高光谱成像技术分析方法

高光谱成像技术作为一种新兴技术，其不仅可以获得样本的光谱信息，还可以获得样本的图像信息，具有图谱合一的特点。但是高光谱技术获取的光谱信息往往比较冗余，为了建立准确的预测模型，就需要对高光谱数据进行分析。本文对高光谱成像技术的原理及高光谱成像技术分析方法做了介绍。

高光谱成像技术的原理：

目前主要有三种光谱技术在光谱成像领域占据主导，即多光谱成像技术、高光谱成像技术和超光谱成像技术。其中高光谱成像技术能在连续的小于10nm波长下获得几十或者几百个样本图像，高光谱图像中的每个像素点都能提供连续光谱的光谱数据。

高光谱技术在20世纪末期兴起，将光谱检测技术和计算机技术相结合。高光谱成像技术通过扫描样本得到数据，包含波长数据和光学图像。波长变化范围从紫外线一直到红外线（200nm-2500nm）。高光谱成像技术的特点为具有连续波段、分辨率高和图像光谱相结合的特点，能够分析样本的表面形态、内部结构和化学成分变化等信息。将样本图像光谱信息呈现为空间分布状态的光谱图像是一只直观的对样本光谱信息的描述方式。数百个波段的光谱数据构成的光谱空间是一个将光谱图像按顺序排列的一个光谱立方体。能够通过处理光谱立方体中的数据，从而得到光谱的特征信息。在光谱空间下，通过对光谱图像的特征进行鉴别和分析能够划分和识别样本的化学成分含量、类别和组成结构。波谱空间是利用了样本波长与响应光谱之间的关系变化，从而对光谱数据信息进行反映。能够近似算作一条连续的曲线，光谱吸收与反射的信息响应值能够与曲线中没一点的数值相对应。

获得高光谱图像的数据有三种获取方式，分别为点扫描、线扫描和面扫描。通过点扫描能够获得样本单个像素点的光谱信息，通过移动光谱摄像机或检测对象能获得多个像素点的光谱信息，但是单个像素点很难定位，同时成像的效率也很低，只能用于对微观对象的检测，并不能实现快速检测。线扫描使通过利用光谱摄像机在光学焦面垂直方向上横向扫描来采集样本的光谱信息。线扫描通过借助相机和样本直线的相对运动从而实现对样本的垂直扫描。线扫描能够获取样本在相应长条状空间中的每个像素波长下的光谱信息。面扫描即频带连续扫描，在对不同波段进行光谱扫描的同时能够通过焦平面成像系统获取样本空间的二维图像数据，得到各个波段的光谱图像，同时单个波长下完整的空间信息也能被获得，能够满足移动状态下检测样本的需求。

高光谱成像技术分析方法：

在采集高光谱图像时，为了避免采集时间引起的系统误差，最好在同一个时间内进行统一采集。为了进一步获得更精确的模型，在获得高光谱文件后，首先对高光谱图像进行白板与暗电流校正，然后用软件确定分割阈值。光谱采集时经常会遇到随机噪声污染和基线漂移的问题，所以有必要对校正后的高光谱图像进行去噪和预处理。为了尽可能保留光谱的主要特征，同时又能去除光谱中的噪音，常用数学形态学中的二值形态学对高光谱图像进行降噪处理，利用开运算和闭运算将图像上孤立的小点和毛刺去掉，填平小孔，并保持总体的位置和形状不变。预处理方法有多种，常见的标准正态变换、归一化、多元散射校正、最小二乘平滑滤波等。

完成高光谱图像的前处理后，再进行建模和预测。参与建模的样品必须具有代表性，需要覆盖待测样品的特征变化范围，并且在该范围内均匀分布。用于建模的样品数量有一定的要求，样品应不少于80个，目前基于高光谱成像技术的定性研究的建模集样品多在100～400nm范围内。建立数学模型的方法有多种，其中包括有监督判别法和无监督判别法。有监督判别法是指利用已知数据，包括观测对象的分类结果和观测对象的特征变量，建立一定的判别方法，并利用该方法对新的观测随想进行判别分析。K-最邻近法、Fisher线性判别法、马氏距离法、偏最小二乘判别分析法等都属于有监督判别分析法。聚类分析和主成分分析则是典型的无监督判别法，即对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。其中所有的标记（分类）是未知的，因此，训练样本的岐义性高。