高光譜成像儀的高光譜圖像數據處理分析方法有哪些?
發布時間:2023-10-20
瀏覽次數:383
高光譜成像儀?作為精密的光學儀器,它融合了傳統的成像和光譜技術的優點,可以同時獲取被檢測物體的空間信息和光譜信息,具有“圖譜合一”的特點。那么,高光譜成像儀的高光譜圖像數據處理分析方法有哪些?本文為大家作了介紹,對此感興趣的朋友可以了解一下!
高光譜成像儀作為精密的光學儀器,它融合了傳統的成像和光譜技術的優點,可以同時獲取被檢測物體的空間信息和光譜信息,具有“圖譜合一”的特點。那么,高光譜成像儀的高光譜圖像數據處理分析方法有哪些?本文為大家作了介紹,對此感興趣的朋友可以了解一下!
高光譜圖像處理分析方法不勝枚舉,在圖譜數據處理過程中,有如下基礎方法。
1.高光譜圖像預處理
高光譜圖像因其攜帶大量的數據信息,增強了技術的檢測能力,同時也增大了信息的冗余量,因此在預處理階段的主要目的即對立體數據進行降維處理。在保存感興趣特征的同時減少數據信息量,降低處理信息的時長與難度同時增強數據分析的精確度。目前,較為普遍的高光譜圖像預處理方法有特征選擇和特征提取兩種方法。
特征選擇是指從最初波段中直接選取有效的特征波段,達到降低數據維度的目的。特征提取是指通過對一個或若干個原始波段的屬性關系進行組合變換,得到新的特征屬性。光譜信息的冗余量與相關性取決于波段的寬窄度,因而選取最優波段是圖像降維度過程的關鍵要素。實際檢驗鑒定中常通過多種降維方法交叉結合使用,來達到最佳的檢驗結果。如基于主成分分析、基于高階統計量的獨立元分析、最小噪聲分離變換、傅里葉變換、基于核函數和基于神經網絡的非線性特征分析等。
2.數據特征分析
根據檢材在光譜圖中的不同特性信息反映,選取不同分類模型對不同類別的待測目標進行分類。使用計算機分析處理作為輔助方法,彌補鑒定人員的視覺鑒別傳統方法的不足,如最大似然比分類、卷積神經網絡分類方法等等。作為機器學習方法之一的監督學習,通過對已知標簽的特征進行提取學習,構造訓練函數完成對未知樣本的分類檢驗任務,如K近鄰法、馬氏距離分類、最大似然法、最小距離法、光譜角分類法等等。另一種非監督分類則是直接對光譜信息進行特征提取,統計差別進行分類,如K-均值、ISODATA(迭代自組織數據分析)等。對高光譜圖進行數據分析的過程中,通過總體分類精度對分類方法進行評價,選擇最有效的分類方法而獲得最佳結果。
相關產品
-
紅外光譜的發展、原理、特點、分類
紅外光譜的發展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發展與創新的主要方向。本..
-
近紅外光譜技術的優缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發達國家廣泛應用在產業在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協會和美國谷物化學..
-
高光譜數據常見預處理方法有哪些?
高光譜在采集數據時會有成百上千個不同的波段數據,數據量巨大從而增加了數據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數據,全波段數據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..