高光譜成像儀在對(duì)樣品進(jìn)行檢測(cè)時(shí)，具有獨(dú)特的獲取信息和識(shí)別特征能力，不僅可以獲得樣品的光譜信息，還可以獲得樣品的圖像信息，具有“圖譜合一”特點(diǎn)。但由于光譜圖像數(shù)據(jù)的冗余性，會(huì)導(dǎo)致計(jì)算過程繁瑣，而且還會(huì)降低無損檢測(cè)模型的準(zhǔn)確性，因此就需要進(jìn)行相應(yīng)的處理。本文對(duì)高光譜圖像數(shù)據(jù)校正及降維方法做了介紹。
高光譜圖像數(shù)據(jù)的特點(diǎn)：
高光譜圖像是一個(gè)具有“圖譜合一”特點(diǎn)的三維數(shù)據(jù)立方體，因此高光譜圖像的處理和分析既可以在指定波長情況下在空間域進(jìn)行圖像處理和分析，又可以在指定像素坐標(biāo)位置情況下在光譜域進(jìn)行光譜處理和分析，也可以同時(shí)在空間域和光譜域進(jìn)行處理和分析。
下圖顯示了高光譜圖像處理的一般流程。一般來講，高光譜圖像處理流程包括高光譜圖像數(shù)據(jù)獲取與校正層、高光譜圖像處理與分析層和應(yīng)用層三個(gè)層面。其中高光譜圖像數(shù)據(jù)獲取與校正層包括樣品高光譜圖像和參考圖像的獲取、高光譜圖像校正；高光譜圖像處理與分析層包括光譜處理與分析和圖像處理與分析；應(yīng)用層包括內(nèi)部品質(zhì)與安全性檢測(cè)和外部缺陷識(shí)別與提取。
高光譜圖像數(shù)據(jù)的處理方法：
高光譜圖像由于既包含光譜信息，又包括圖像信息，因此高光譜圖像數(shù)據(jù)分析方法很多。這里以歸納高光譜圖像數(shù)據(jù)的處理為例，介紹高光譜成像儀圖譜數(shù)據(jù)處理方法。
第1步，高光譜圖像的校正和預(yù)處理
原始高光譜數(shù)據(jù)是光子強(qiáng)度信息，需進(jìn)行黑白板校正獲取相對(duì)反射率。由于高光譜圖像通常在光譜波段范圍的首尾端信噪比較低，所以黑白板校正后的高光譜圖像需要進(jìn)行預(yù)處理以剔除這些噪聲較大的部分。此外，由于高光譜數(shù)據(jù)量較大，對(duì)于一些無用部分可通過裁剪等方法減少高光譜圖像數(shù)據(jù)。
第2步，高光譜圖像的降維
在圖像維，可根據(jù)待測(cè)物的光譜特性，直接提取反映待測(cè)對(duì)象品質(zhì)的一個(gè)或幾個(gè)波長圖像；也可采用主成分分析、獨(dú)立成分分析法或最小噪聲分離法等獲取關(guān)鍵的特征圖像；還可在上述特征波段基礎(chǔ)上，采用波段比算法或者波段差算法或者二次差分算法計(jì)算特征圖像；在光譜維，可對(duì)研究對(duì)象中一定像素區(qū)域的光譜或所有像素的光譜進(jìn)行平均獲得平均光譜信息或偏差光譜信息。
第3步，預(yù)測(cè)模型建立。
在圖像維，可采用數(shù)字圖像處理技術(shù)對(duì)圖像進(jìn)行分割從而獲取目標(biāo)；在光譜維，可與化學(xué)計(jì)量學(xué)方法結(jié)合，建模預(yù)測(cè)分析待測(cè)物的品質(zhì)，或進(jìn)行判別分析。
第4步，目標(biāo)分類
根據(jù)得到的圖像特征或者光譜信息，采用模式識(shí)別方法分類目標(biāo)。
高光譜圖像數(shù)據(jù)的校正方法：
圖像采集時(shí)不同的波段下光源強(qiáng)度分布不均勻或者接收器存在暗電流等因素引起的光強(qiáng)變化會(huì)影響采集圖像的質(zhì)量。因此，在進(jìn)一步的光譜分析前對(duì)樣品的高光譜圖像進(jìn)行圖像校正（即黑白校正）顯得尤為重要。在與采集高光譜圖像相同的條件下，先掃描反射率接近99.99%的標(biāo)準(zhǔn)聚四氟乙烯白色校正板得到全白的標(biāo)定圖像，然后蓋上鏡頭蓋進(jìn)行采集得到反射率幾乎為0%的全黑的標(biāo)定圖像，最后根據(jù)下列公式對(duì)原始采集的高光譜圖像進(jìn)行計(jì)算得到校正后的圖像。
式中，W為全白的標(biāo)定圖像，B為全黑的標(biāo)定圖像，I0為原始采集的高光譜圖像，I為校正后的高光譜圖像。
高光譜圖像數(shù)據(jù)的降維方法：
由于高光譜采集的數(shù)據(jù)塊通常含有幾百甚至上千個(gè)波段的光譜信息，這就造成了過高維度的光譜信息和數(shù)據(jù)較大的冗余性，不僅使得計(jì)算過程繁瑣，而且還會(huì)降低無損檢測(cè)模型的準(zhǔn)確性，因此在建模前對(duì)高光譜數(shù)據(jù)塊進(jìn)行降維處理是進(jìn)行數(shù)據(jù)分析的重要一步。查閱文獻(xiàn)發(fā)現(xiàn)，當(dāng)前應(yīng)用較多的降維處理方法主要有以下幾種：主成分分析法、獨(dú)立成分分析法、遺傳算法以及最小噪聲分離法等，通過相應(yīng)的降維算法處理后，大量的冗余信息被去除，并且特征波段和圖像被提取，這些對(duì)于簡化計(jì)算過程和提高模型的準(zhǔn)確性發(fā)揮著重要的作用。
