高光谱数据光谱分析及高光谱数据预处理方法

对高光谱数据进行分析，是保证预测模型建立准确性的前提。在高光谱数据分析过程中，光谱数据的预处理是一个重要的过程。本文对高光谱数据光谱分析及高光谱数据预处理方法做了简要的介绍，对高光谱数据处理知识感兴趣的朋友不妨了解一下！

高光谱数据光谱分析方法：

光谱分析用于被检测物体的一般流程分为两类：预测与判别。基本流程包括：

1.选择具有代表性的样品组成校正集。样品准备时要求用于建模的样本集能够涵盖待测指标的所有范围，同时尽量均匀分布；校正集的样本数量要足够大。

2.采集样品的近红外光谱。对不同类型的对象，通常采用不同的光谱采集方法。通常有反射、漫反射和透射三种方式。

3.测定样品的待测品质指标。采用现行标准测定其品质的数值。采集时要求同一批次样品在同样采集条件下进行测量。同时，对同一样品取多次测量值的平均值，减小随机误差。

4.化学计量学方法建立校正模型并验证。将采集到的原始光谱信息进行预处理（平滑滤波、微分和基线校正等），然后与样品某个品质实际（或测定）指标值进行关联，建立数学预测（或校正）模型。模型验证是采用校正模型对验证集已知参考值的样品进行品质指标预测，通过对比预测与实际值，判断模型的预测性能，摒弃不符合检测要求的模型，采用新的预测方法重新建模验证，直到符合预测误差限度要求为止。

5.利用所建模型预测未知品质指标的新样本集。采集待测样品的光谱，输入光谱信息到已建模型，获取该样本的品质预测值。

高光谱数据光谱预处理方法：

原始光谱中包含一些与待测样品性质无关的干扰因素，导致光谱出现基线漂移和不可重复性等问题，影响到建立模型的准确性及预测性能，光谱预处理可以减弱以至于消除这些影响。目前常用的光谱预处理包括：

1.平滑。在光谱平滑点的前后取若干点进行平均或拟合，是消除光谱噪声最常用的方法。

2.微分。一阶微分可以去除同波长无关的漂移，二阶微分可以去除同波长线性相关的漂移。同时，微分也有可能放大噪声。

3.多元散射校正。运用数学方法分离光谱中的散射光信号与化学吸收信息，并假设敝射系数在所有波长处相同。消除漫反射光谱的极限及光谱不重复性。由于假定各波长散射系数相同，故对组分性质变化范围较宽的样品处理效果并不理想。

4.标准正规变量。主要用来消除固体颗粒大小、表面散射以及光程变化对漫反射光谱的影响。