高光譜圖像是由一系列連續波段圖像組成的三維圖像數據，既具有某個特定波長下的圖像信息，又有針對 XY平面內某個特定像素的光譜信息。圖像信息即空間像素點的位置，每個像素點中又包含了全波段的光譜信息。那么，高光譜成像儀的高光譜圖像數據怎么處理？下文為大家做了介紹。

高光譜圖像數據處理的一般流程如下圖所示。由于高光譜圖像既包含光譜信息，又包括圖像信息，因此，高光譜圖像數據的分析方法很多。歸納起來，可以分為以下幾個步驟。

第一，數據校正與預處理

原始高光譜圖像數據是光子強度信息，需進行反射校正獲取相對反射率。對于一些球狀或類球狀待測物，其形狀差異會使高光譜圖像數據存在空間差異，可在圖像維采用曲率校正方法或者在光譜維采用光譜預處理方法減弱或消除該影響。此外，由于高光譜圖像的數據量較大（可達數個GB），可通過裁剪、合并等方法減少無用信息從而降低數據量。

第二，數據降維

在圖像維，可根據待測物的光譜特性，直接提取反映待測物品質的一個或幾個波長下的圖像，也可通過一些數據降維方法如主成分分析法（PCA）、獨立成分分析法或最小噪聲分離法等獲取關鍵的特征圖像；還可在上述特征波段基礎上，采用波段比算法、差分算法等計算特征圖像。圖像維的處理方法常見于被測對象的表面缺陷檢測研究。在光譜維，在剔除了異常像元后，可對指定像元區域的光譜或者所有像元的光譜進行平均，計算平均光譜或偏差光譜進行分析；也可提取每個像元的光譜信息，用于像素級的分類分析。光譜維的處理方法可用于被測物內部品質和外部缺陷檢測等。

第三，模型建立

在圖像維，可采用數字圖像處理技術對圖像進行分割處理從而獲取目標，提取特征參數建立相關模型；在光譜維，可將平均光譜或偏差光譜與待測品質關聯，通過一些化學計量學方法如偏最小二乘法（PLS）、支持向量機、人工神經網絡等，建立待測物品質的定量或定性分析模型。

第四，目標分類

根據建立的模型對待測物品質進行可視化預測研究，建立組分含量分布圖像或分類圖像。