高光谱成像仪获取的光谱数据一般怎么分析？

高光谱成像仪在获取到样品的原始光谱信息后，要对光谱数据进行处理，以提取特征波长，然后用提取的特征臂长建立预测模型。那么，高光谱成像仪获取的光谱数据一般怎么分析？本文对高光谱成像仪获取的光谱数据一般分析流程做了简要的介绍。

通过成像光谱仪采集获得的高光谱图像，首先要进行黑白校正（白板校正和暗场校正），即反射率的归一化处理。然后，选取感兴趣区域，提取感兴趣区域内所有点的反射率光谱并取平均值。提取所有样品的平均光谱，得到光谱数据矩阵。通常，数据分析分为以下几个步骤：

1.光谱预处理

预处理可以有效减少系统噪音、杂散光等对成像的影响，从而获取信噪比高、背景干扰较低的数据。常用的光谱预处理方法有：平滑、归一化、多元散射校正、求导、变量标准化等。

2.提取特征波长

光谱数据的高维及共线性问题往往降低模型的运算效率和精度。选取有效的特征波长不仅降低了维数问题，而且最大程度上包含样品的原始信息，进而达到简化运算的目的。常用的提取特征波长的方法有：回归系数法、连续投影算法、载荷系数法、遗传算法、竞争性自适应重加权算法等。

3.回归或分类模型的建立

用提取的特征波长和待测参数建立回归或分类模型。常用的建模方法有：主成分分析、多元线性回归、主成分回归、人工神经网络、偏最小二乘法、最小二乘支持向量机等。

另外，以上所述的步骤仅仅是针对光谱的处理，而高光谱图像还可以看作是每个波段图像的叠加，这些图像包含样本丰富的空间分布属性。图像纹理反映像素的空间位置和亮度值变化，进而反映样本几何结构的变化。因此，通过提取高光谱图像的纹理变量信息（包括对比度、方差、熵等）同样可以建立相应的预测模型。