高光譜成像儀在對樣本信息進行采集時，所獲取的高光譜信息數(shù)據(jù)會受到設(shè)備硬件、光源分布、測試環(huán)境及目標的形狀等的影響，導致采集到的光譜信息會存在較大的噪聲，影響預測結(jié)果的準確性。因此，在建立數(shù)據(jù)模型之前，需要對光譜信息進行處理。本文對高光譜成像儀高光譜圖像數(shù)據(jù)和光譜數(shù)據(jù)處理方法做了介紹，對此感興趣的朋友不妨了解一下！
高光譜成像儀高光譜圖像數(shù)據(jù)預處理法方法：
高光譜成像儀在對樣本進行信息采集時，所采集的高光譜圖像并不是每個波長的圖像都可以對樣本進行檢測，部分波長的圖像含有較大的噪聲，無法提取有效信息。同時高光譜圖像的質(zhì)量受到光源分布、相機性能、被測目標的形狀等等影響，其不可避免地會存在一些噪聲。所以很有必要對獲取的圖像進行預處理以消除其他因素對數(shù)據(jù)的影響。
1.黑白校正
受高光譜相機內(nèi)的暗電流，設(shè)備內(nèi)部光敏單位的響應(yīng)速度，各個波段光源強度的不均勻分布等因素的影響，高光譜圖像會存在不同程度的噪聲。為避免對后續(xù)數(shù)據(jù)處理產(chǎn)生負面影響，對數(shù)據(jù)使用黑白矯正處理以消除部分噪聲。黑白校正前后的圖像其每個像素點的反射光譜會產(chǎn)生明顯的差別。黑白校正的公式為：
其中IR，為經(jīng)過黑白矯正后的高光譜圖像，IR0為采集到的原始高光譜圖像，IRD為采集到的黑色標定圖像，IRw為采集到的白色標定圖像。
2.圖像數(shù)據(jù)處理
高光譜圖像數(shù)據(jù)的處理方法有很多，這里主要介紹主成分分析法（PCA）。PCA是一種利用線性擬合的方法對數(shù)據(jù)降維，并消除各種信息干擾的統(tǒng)計學方法。PCA可以消除數(shù)據(jù)中可能存在的內(nèi)在聯(lián)系，將數(shù)據(jù)整合成為互不相關(guān)的新數(shù)據(jù)并減少數(shù)據(jù)量，整合后的數(shù)據(jù)不僅比原始數(shù)據(jù)數(shù)量少，還可以最大限度表示原始數(shù)據(jù)的大部分信息。使用PCA可以有效降低高光譜圖像數(shù)據(jù)的維數(shù)，使數(shù)據(jù)簡化，去掉冗余信息，便于對圖像進行定量分析。
上圖展示了PCA中變量與主成分的關(guān)系。原始數(shù)據(jù)沿坐標軸x1和y1分布，從圖中可以看出原始數(shù)據(jù)存在某些內(nèi)在聯(lián)系，比如：一個點在x1y1，坐標軸上，若x1＞0那么它的y有較大的概率大于0。所以需要使用PCA將數(shù)據(jù)整合為互不相關(guān)的，下面簡述PCA的原理。在原始數(shù)據(jù)的所在空間中尋找一個坐標軸，使所有的點到此坐標軸的投影距離達到最大值，即為圖中的x2軸，此時數(shù)據(jù)主要沿著x2分布。在確定x2之后再在垂直于x2的方向上尋找軸y2保證兩個坐標軸是互不相關(guān)的，軸y2也需要滿足所有的點到此坐標軸的投影距離達到最大值。處理之后可以發(fā)現(xiàn)數(shù)據(jù)大多數(shù)是沿x2分布的，此時如果只保留x2方向的數(shù)據(jù)那么也會丟失比較少的數(shù)據(jù)。對于多維的數(shù)據(jù)可能需要多次找尋坐標軸。將x2和y2分別為第一主成分（PC1）和第二主成分（PC2）。
高光譜成像儀高光譜數(shù)據(jù)預處理法方法：
光譜數(shù)據(jù)常因某些不可避免的因素，如：設(shè)備硬件、光源和環(huán)境等干擾，而存在部分隨機噪聲。為避免隨機噪聲對數(shù)據(jù)處理造成負面影響，提高最終的預測精度，加快模型的運行速度，所以對數(shù)據(jù)做預處理。下面介紹幾種常用的預處理方法。
1.卷積平滑算法
平滑算法是工程中常用的算法，在遇到初始數(shù)據(jù)噪聲過多的時候，如：光譜信號抖動嚴重、信號強度抖動嚴重時，常常需要平滑算法消除噪聲。常用的平滑算法有：滑動平均算法、卷積平滑算法、指數(shù)滑動平均法等。其中卷積平滑算法最為常見，卷積平滑算法即S-G平滑算法。其原理如下：
設(shè)光譜上存在等波長間隔排列的5個點，即：Xm-2、Xm-1、Xm、Xm+1、Xm-2+2，設(shè)為窗口P。利用除第3個點Xm，之外的其余4個點求取的多項式擬合值，代替第3個點的值。計算完成之后令P沿著光譜讀取并計算數(shù)據(jù)，最終遍歷整個光譜。
2.多元散射校正
MSC是多波長定標建模常用的方法，經(jīng)MSC預處理后的光譜可以有效消除散射對數(shù)據(jù)帶來的影響，增強與成分相關(guān)的光譜吸收信息。此算法需要一個標準值，即：“標準光譜”。此光譜與被測目標所含有的各種屬性呈直接的線性關(guān)系，故以其為標準，對其余光譜數(shù)據(jù)進行偏移校正和基線平移以校正光譜。但標準光譜很難測得，所以為保證數(shù)據(jù)的準確性并避免繁瑣的測試，將全部光譜數(shù)據(jù)的均值作為替代。其原理可簡單概括為：
若想對光譜數(shù)據(jù)進行修正，則需要線性平移量與傾斜偏移量。因此首先求取全部光譜數(shù)據(jù)的均值，并設(shè)為標準光譜。逐個選取光譜數(shù)據(jù)與標準光譜進行一元線性回歸，得到回歸常數(shù)與回歸系數(shù)，兩者分別對應(yīng)線性平移量和傾斜偏移量。將選取的光譜數(shù)據(jù)減去線性平移量并除以傾斜偏移量，以對所選光譜數(shù)據(jù)的修正。
3.標準正態(tài)變量變換
標準正態(tài)變量變換（SNV）與MSC的目的基本相同，多用來消除固體尺寸不同、表面散射、光程變化對反射光譜的影響，但兩者原理不同，SNV是對一組光譜數(shù)據(jù)進行處理，即基于光譜陣的列計算。其原理如下：
假設(shè)光譜曲線上的所有波長處的吸光度滿足標準正態(tài)分布，同樣以所有樣本光譜曲線的平均光譜作為標準光譜，逐個求取光譜和標準光譜的差值，再除以光譜數(shù)據(jù)標準偏差，以對所選光譜數(shù)據(jù)的修正。
