高光譜成像儀在對樣品進行測量時，可以同時獲得該樣品的圖像信息和光譜信息，具有“圖譜合一”的特點。那么，高光譜成像儀的光譜圖像和光譜數據怎么處理？本文對高光譜成像儀的光譜圖像和光譜數據處理方法做了介紹。

高光譜數據含有豐富的信息，檢測指標不同，所選用的信息類型也不同。一般情況下，樣品外部品質的檢測常選用高光譜數據的圖像信息、內部品質的檢測常選用高光譜數據的光譜信息，內外品質同時檢測時常常將圖像信息和光譜信息結合使用。無論選用哪種信息，都需經過一定的數據處理過程才能得出檢測結果，但對高光譜數據的圖像信息和光譜信息的處理過程不完全相同。

已有文獻對高光譜圖像信息的處理流程大致如下：

1）高光譜圖像黑白校正。高光譜成像系統所采集的原始高光譜數據是光子強度信息，需要經過黑白校正以獲得相對反射率。

2）高光譜圖像預處理。包括圖像去噪和圖像裁剪。

3）高光譜圖像降維。已有研究大多都是采用主成分分析法、獨立成分分析法提取特征圖像。

4）高光譜圖像處理。已有研究中用到的圖像處理方法有波段比算法、波段差分算法、采用灰度共生矩陣進行紋理特征提取等。

5）目標識別與分類。采用數字圖像處理技術對圖像分割以檢測出目標；依據得到的圖像特征信息，采用模式識別分類方法<用的比較多的有LDA、人工神經網絡、K均值聚類、統計判別等）對樣本進行分類。

已有文獻對高光譜數據的光譜信息處理流程大致如下：

1）高光譜圖像黑白校正。

2）光譜數據提取。計算樣本高光譜圖像感興趣區域中所有像素點的平均光譜作為該樣本的光譜。

3）光譜數據預處理。采用中心化、標準化、歸一化、多元散射校正、標準正態變量變換、去趨勢變換、一階導、二階導等光譜預處理方法以及它們的組合方法對光譜數據進行預處理。

4）光譜數據降維。已有研究大多采用主成分分析法、偏最小二乘模型的β系數、逐步回歸法選擇特征波長對光譜數據降維，也有一些文獻采用遺傳算法、競爭性自適應重加權算法等算法對光譜數據降維。

5）建立定性判別模型或定量分析模型。依據得到的光譜特征信息，采用LDA、人工神經網絡、K均值聚類、統計判別等模式識別方法對樣本進行定性判別；采用偏最小二乘回歸法、多元線性回歸法、支持向量機回歸、人工神經網絡等模式識別方法建立檢測指標的定量分析模型。