高光谱数据特征波长的筛选方法有哪些？

在使用高光谱成像仪采集光谱信息时，都是采集一个连续波段的光谱信息，每一条光谱信息都包含了数百个数据点。使用特征波长的筛选方法将连续波段的光谱信息中具有代表意义的波段挑选，建立预测模型分析，可以实现快速检测。那么，高光谱数据特征波长的筛选方法有哪些？

竞争性自适应重加权采样法：

竞争性自适应重加权采样法（CARS）是一种选择特征波长的方法，其由蒙特卡罗采样法和PLS模型回归系数相结合。CARS算法的原理：将蒙特卡罗采样法得到的PLSR回归系数中绝对值的大权重作为新子集，忽略小权重，建立PLSR模型，经过计算分析，选择的特征波长是模型中RMSECV的最小子集的波长。

连续投影法：

连续投影算法（SPA）能从全波段筛出冗余的信息少的波段，从而使共线性达到最小化，减小模型变量，提高运算效率。SPA方法的基本原理是利用向量投影分析，将波长投影到其他波长上面，通过比较投影大小，将向量最大的波长作为待筛波长，然后根据校正模型确定特征波长。SPA方法在选择数据时都选择最小共线性和最少冗余新的变量组合。