高光譜成像儀在檢測樣品時，不僅可以獲得樣品的光譜信息，還可以獲得相應的圖譜信息。那么，高光譜成像儀圖譜數據的定性定量判斷方法有哪些？

高光譜成像技術定性定量判別的一般的流程如下圖所示。

由于高光譜數據冗余，需要應用統計學方法進行定性定量分析。其中定性分析中主要有監督分類與非監督分類、參數分類與非參數分類、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（MLR，PCR，PLS等）和非線性回歸（ANN，SVM等）。

高光譜成像技術應用于樣本定量模型預測研究，采集完樣品的原始光譜信息需要對其進行黑白校正，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，如相關系數波段選擇法、顯變分析波段選擇法，這兩種方法能簡便的提取特征波段，但缺乏對數據多重共線性判別的能力，導致型最終的預測結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健性，因此，當外界環境改變時，模型預測結果的重現性較差。

此外還有連續投影法（SPA）、主成分分析（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缺點及適用性，從而使得模型穩健性和預測精確度達到最佳。