高光譜成像技術的核心原理是光譜與圖像合二為一，獲得圖像數(shù)據(jù)的同時，得到圖像中每個像素的光譜信息，即高光譜數(shù)據(jù)多維立方體。其采集數(shù)據(jù)的方式主要包括點掃描、線掃描、面掃描等。本文對高光譜成像技術的原理及圖譜數(shù)據(jù)的定性定量判斷方法做了介紹，對此感興趣的朋友可以了解一下！
高光譜成像技術指什么？
高光譜成像技術的光譜波段覆蓋了可見光、近紅外、中紅外、遠紅外以及熱紅外等區(qū)域的全部連續(xù)的光譜帶。其中可見近紅外（VNIR）和近紅外波段（NIR）在樣品定性定量研究中較為廣泛。高光譜成像系統(tǒng)主要由光源、光譜儀、鏡頭、高分辨率相機和電荷耦合探測器（CCD）等組成，如下圖所示。
高光譜成像技術數(shù)據(jù)采集方式主要包括點掃描、線掃描、面掃描。點掃描主要捕獲單個像素點的光譜，常用于微觀對象的檢測；線掃描又稱為推掃式，主要用于獲取樣品在對應條狀空間中每個像素在各個波長下的圖像信息，而且在檢測時需要光譜檢測器和待測樣品產(chǎn)生位移差，因此該數(shù)據(jù)采集方法能較好地應用于傳送帶系統(tǒng)；面掃描主要是獲取樣品在單個波長下完整的空間圖像。
高光譜成像技術的基本原理：
如上圖所示，當光源照射到待測樣品表面，由于樣品中所含物質(zhì)成分及物理特性存在差異，在特定波長下有不同的反射比、分散度以及電磁能等。待檢樣品的輻射能通過鏡頭聚集并由狹縫增強準直照射到分光原件上，最終在垂直方向上按光譜分散并成像于圖像傳感器上，即得到待測樣品的高光譜圖，如下圖所示。
高光譜圖像是由非常窄的多達數(shù)百個連續(xù)光譜波段組成，其圖像又稱超立方，可通過反射、透射和漫反射來獲取，該圖像是一個三維的數(shù)據(jù)矩陣（X，Y，λ），其中（X，Y）代表的是二維的空間維度，（λ）代表的是一維的光譜維度。從一維維度（λ）上看，高光譜圖像是一張張二維（X，Y）圖像（上圖A），而從二維（X，Y）上看，高光譜圖像是一條條光譜譜線（上圖B），光譜數(shù)據(jù)所攜帶的信息一般可采用3種表示方法，即圖像空間、光譜空間、特征空間。圖像空間根據(jù)RGB色澤的差異能較為直觀地觀測被檢對象的整體分布信息；光譜空間表示了被檢物質(zhì)在不同波長下的響應情況；特征空間為光譜指紋圖譜技術奠定了理論依據(jù)，且該特征空間能較好地應用于模式識別。
高光譜成像技術圖譜數(shù)據(jù)的定性定量分析方法：
高光譜成像技術定性定量判別的一般流程如上圖所示。由于高光譜數(shù)據(jù)冗余，需要應用統(tǒng)計學方法進行定性定量分析。其中定性分析中主要有監(jiān)督分類與非監(jiān)督分類、參數(shù)分類與非參數(shù)分類、確定性分類與非確定性分類等，定量分析模型中多采用多元變量回歸，可分為線性回歸和非線性回歸，線性回歸包括多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸（PLS）等，非線性回歸包括人工神經(jīng)網(wǎng)絡（ANN）、支持向量機（SVM）等。
高光譜成像技術應用于樣本定量模型預測研究，需要對采集完樣品的原始光譜信息進行黑白校正，由于高光譜相鄰譜帶之間存在較強的相關性，利用全波段進行多變量建模預測比較耗時，且效果不穩(wěn)定，因此需要進行特征波段的選擇。特征波段的選擇方法較多，如相關系數(shù)波段選擇法、顯變分析波段選擇法，這兩種方法能簡便地提取特征波段，但缺乏對數(shù)據(jù)多重共線性判別的能力，導致模型預測性能較差；而間隔PLS可消除多重共線性的影響，因為該方法是將PLS回歸模型最終的預測結(jié)果作為衡量波段選擇的標準；模擬退火法選擇特征波段，是將預測模型自身的預測能力作為衡量標準，忽略了校正模型的穩(wěn)健性，因此，當外界環(huán)境改變時，模型預測結(jié)果的重現(xiàn)性較差；此外還有連續(xù)投影法（SPA）、主成分分析法（PCA）等一系列方法應用于特征波段的選取。因此，在進行定性定量模型判別時要綜合考慮這些方法的優(yōu)缺點及適用性，從而使得模型穩(wěn)健性和預測精確度達到最佳。
