高光譜成像儀高光譜數據特征波長提取方法
發布時間:2023-12-14
瀏覽次數:476
高光譜成像儀?獲取的光譜信息中,不僅包含光譜信息還包括圖像信息,通過提取樣本高光譜圖像中各檢測項目所對應的特征波長,就能夠對樣品的綜合特性進行全面、快速的檢測。本文對高光譜成像儀高光譜數據特征波長提取方法做了介紹,感興趣的朋友可以了解一下!
高光譜成像儀獲取的光譜信息中,不僅包含光譜信息還包括圖像信息,通過提取樣本高光譜圖像中各檢測項目所對應的特征波長,就能夠對樣品的綜合特性進行全面、快速的檢測。本文對高光譜成像儀高光譜數據特征波長提取方法做了介紹,感興趣的朋友可以了解一下!
1.連續投影法(SPA)
連續投影算法(SPA)能夠同時消除波長變量間的共線性影響和避免信息重疊,能夠用較小的信息量來表示多數樣品的光譜信息。因此,該方法廣泛地應用于樣品特征波長的提取中。
連續投影算法是一個連續循環的過程,選擇一個波長作為循環初始值,計算該波長再未選波長上的投影,以該投影作為參考值,選出最大波長的投影向量,再將該向量重新納入波長組合,隨后用循環選擇的方式向前進行直至循環截止。
2.主成分分析法(PCA)
主成分分析(PCA)作為一種關鍵信息提取方法,能夠有效地將數據降維,能夠把多個變量進行線性計算后組合成少數的幾個變量,是一種多元統計分析方法。為了獲得準確的分析結果,實際研究中,我們要充分考慮指標(變量)影響因素。一般采用的方法是將第一主成分的方差作為新指標,如果其未能滿足要求再選擇第二主成分的方差,但是在以第二主成分的方差為指標時,第一主成分中已包含的信息不需要存在于第二主成分中,依次類推。
3.無信息變量消除算法(UVE)
無信息變量消除算法(UVE)是基于偏最小二乘法(PLS)的回歸系數建立的一種波長選擇算法。該方法通過消除對模型建立貢獻較少的波長變量(無信息變量),減少了建模輸入變量的個數,簡化了模型的復雜程度。該算法以變量系數的平均值和標準差的商作為穩定性的值,通過比較每個變量系數的穩定性值和隨機變量矩陣得到的穩定性的值,消除對模型建立無效或者次要的波長變量。通過UVE算法的處理,可以減少模型的過擬合,并在通常情況下提高模型的預測精度。
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..