高光譜成像技術(shù)作為一種新型的多維成像技術(shù),可以準(zhǔn)確的獲取樣本的光譜信息和圖像信息,對樣本進行定性與定量的分析,具有“圖譜合一”的特點。目前,被廣泛的應(yīng)用于精細農(nóng)業(yè)、生物醫(yī)藥等行業(yè)。那么,高光譜成像技術(shù)有什么優(yōu)點?高光譜成像技術(shù)光譜圖像怎么分析?本文對高光譜成像技術(shù)的優(yōu)勢及高光譜圖像數(shù)據(jù)的分析方法做了介紹。
什么是高光譜成像技術(shù)?
作為一種將傳統(tǒng)的空間成像分析技術(shù)和光譜分析技術(shù)融為一體的光學(xué)檢驗技術(shù),高光譜成像技術(shù)擁有更高光譜分辨率、更廣光譜波段范圍、更豐富數(shù)據(jù)信息。高光譜圖像不僅僅能實現(xiàn)在成百上千個連續(xù)的可見光、紅外、近紅外等廣泛的光譜區(qū)域成像,亦能記錄目標(biāo)的空間位置信息。在選定的波長范圍中捕獲圖像中所有點的光譜信息、所有波段的圖像信息以及待測目標(biāo)相應(yīng)的輻射強度,空間位置信息與光譜圖中的特征峰信息結(jié)合對待測目標(biāo)進行識別、鑒定、分類。
高光譜圖所提供的大量信息及其相關(guān)性為進一步的檢驗分析提供可行性。針對所得的光譜圖進行研究分析,可根據(jù)檢驗要求及其譜圖特征,選取合適的數(shù)據(jù)定標(biāo)類型如輻射定標(biāo)、光譜定標(biāo)、空間幾何定標(biāo)。
高光譜成像技術(shù)技術(shù)的優(yōu)勢:
雖然高光譜成像技術(shù)與多光譜技術(shù)均是以成像光譜儀檢測目標(biāo)物質(zhì)的物理性質(zhì)與化學(xué)成分,但高光譜具備較高的納米級光譜分辨率,是與全色和多色光譜成像相比較的顯著優(yōu)勢,與二維圖像數(shù)據(jù)最大的區(qū)別則是在顯示檢材空間位置的同時,保存檢材在不同波段下的反射率。在此,可以概括出高光譜圖像的優(yōu)勢:
①“信息三合一”,通過高光譜圖像得到的三維立體數(shù)據(jù),可形象地表征物質(zhì)輻射強度、空間信息和光譜信息之間的關(guān)系,融合了這三種信息后能夠得到更佳的研究效果;
②更為豐富的數(shù)據(jù)信息,多光譜技術(shù)只能在幾個波段范圍捕獲光譜信息,而高光譜成像技術(shù)以高達0.01數(shù)量級的光譜分辨率連續(xù)成像;
③譜圖連續(xù)性,通過成百上千個光譜數(shù)完成成像,能從光譜維度讀取出連續(xù)的光譜曲線。豐富的數(shù)據(jù)可得到復(fù)雜模型對待測物進行識別、鑒定與分類;
④與傳統(tǒng)的譜圖維度信息相比,高光譜數(shù)據(jù)維度高,包含的信息量多且隨波段數(shù)增加而增加,空間位置信息及光譜波段信息相關(guān)性高。在圖像分析處理方面,與通過調(diào)整圖像RGB組合相比得到的結(jié)果更理想。
高光譜成像技術(shù)高光譜圖像數(shù)據(jù)的分析方法:
高光譜圖像處理分析方法不勝枚舉,在圖譜數(shù)據(jù)處理過程中,有如下基礎(chǔ)方法。
1.高光譜圖像預(yù)處理
高光譜圖像因其攜帶大量的數(shù)據(jù)信息,增強了技術(shù)的檢測能力,同時也增大了信息的冗余量,因此在預(yù)處理階段的主要目的即對立體數(shù)據(jù)進行降維處理。在保存感興趣特征的同時減少數(shù)據(jù)信息量,降低處理信息的時長與難度同時增強數(shù)據(jù)分析的精確度。目前,較為普遍的高光譜圖像預(yù)處理方法有特征選擇和特征提取兩種方法。
特征選擇是指從最初波段中直接選取有效的特征波段,達到降低數(shù)據(jù)維度的目的。特征提取是指通過對一個或若干個原始波段的屬性關(guān)系進行組合變換,得到新的特征屬性。光譜信息的冗余量與相關(guān)性取決于波段的寬窄度,因而選取最優(yōu)波段是圖像降維度過程的關(guān)鍵要素。實際檢驗鑒定中常通過多種降維方法交叉結(jié)合使用,來達到最佳的檢驗結(jié)果。如基于主成分分析、基于高階統(tǒng)計量的獨立元分析、最小噪聲分離變換、傅里葉變換、基于核函數(shù)和基于神經(jīng)網(wǎng)絡(luò)的非線性特征分析等。
2.數(shù)據(jù)特征分析
根據(jù)檢材在光譜圖中的不同特性信息反映,選取不同分類模型對不同類別的待測目標(biāo)進行分類。使用計算機分析處理作為輔助方法,彌補鑒定人員的視覺鑒別傳統(tǒng)方法的不足,如最大似然比分類、卷積神經(jīng)網(wǎng)絡(luò)分類方法等等。作為機器學(xué)習(xí)方法之一的監(jiān)督學(xué)習(xí),通過對已知標(biāo)簽的特征進行提取學(xué)習(xí),構(gòu)造訓(xùn)練函數(shù)完成對未知樣本的分類檢驗任務(wù),如K近鄰法、馬氏距離分類、最大似然法、最小距離法、光譜角分類法等等。另一種非監(jiān)督分類則是直接對光譜信息進行特征提取,統(tǒng)計差別進行分類,如K-均值、ISODATA(迭代自組織數(shù)據(jù)分析)等。對高光譜圖進行數(shù)據(jù)分析的過程中,通過總體分類精度對分類方法進行評價,選擇最有效的分類方法而獲得最佳結(jié)果。