高光譜成像儀在對樣本進行測試時，其采集到的光譜信息除了有用信息外還包含大量的無用信息，例如電噪聲、樣品背景信息和雜散光等。對光譜信息進行預處理，可以降低噪音，提升信噪比，對后面的光譜標定，建模很有幫助。本文對高光譜數據的預處理方法做了介紹。

什么是高光譜數據的預處理？

高光譜圖像采集系統采集到的光譜信息除了有用信息外還包含大量的無用信息（電噪聲、樣品背景信息和雜散光等）。例如黑白校正是對背景干擾所做的處理，同樣光譜數據預處理也是對所得到的光譜信息進行降噪處理，降低噪聲對分析的影響，以獲取高信噪比的光譜信息數據，在研究中我們常用到的預處理方法很多，它們所產生的效果與針對性各有不同，下面就介紹幾種常用到的光譜數據預處理方法：導數法、平滑法、多元散射校正法、標準正態變量變換、小波變換等。

高光譜數據的預處理方法及選擇：

1.導數法

導數法在光譜分析中應用廣泛，通過對光譜信息做導數處理，可以有效減小背景信息的干擾，使圖像信息更加清晰，提高分辨率。對光譜信息進行導數法處理，導數法處理包括一階導數處理，以及多階導數處理，根據研究的需要選擇最佳的處理方法。

2.平滑法

平滑法：消除隨機與機械的噪聲所引起的誤差，該算法最大的特點是簡單，使得到的波長信息更加平滑。其實質是保留較大的偏離部分，而對較小偏離的數據進行濾除，我們來重點介紹多，項式平滑法。在得到的光譜數據中我們對所有的光譜信息設定一個同樣的權重值，但是這樣一個同樣的標準，顯然給眾多的光譜數據造成扭曲變化，當給出相應的權重信息的時候就可以得到較為平滑的波長信息。通過多項式最小二乘擬合法，降低噪聲的干擾，該方法即為常見的數據平通滑法。

3.多元散射校正

多元散射校正（MSC）最常用的預處理方法。由于試驗樣品的個體差異，也導致了光譜數據的不同，散射導致的光譜變化大多要大于樣品成分所導致的變化。而MSC正是處理光譜散射所引起的光譜變化，從而得到理想的光譜信息。

4.標準正態變量變換

標準正態變量變換（SVN）它的預處理算法與（MSN）有所不同，其重點是處理因散射造成的誤差影響，它的做法為把吸收到的光譜強度的分布看似為滿足正態分布，從而對其進行調整。

5.矢量歸一化

矢量歸一化（VN）的計算公式如下，首先的到光譜強度平均值，在用每個光譜信息的強度值與其相減，與它的平方根相除，該方法的作用是消除光譜變化中所產生的噪聲影響。

6.小波變換

小波消除噪聲的原理為，高光譜信息中的有用信號常常表現為低頻信號，一些為較為平緩的信號，但是噪聲信號常常表現為高頻信號，所以基于以上的信息我們首先對光譜數據進行小波變化，對分解出來的高頻信號以門限閾值的算法對其進行濾除，以達到消除噪聲的目的。

光譜數據預處理結果分析：

根據以上光譜數據預處理的方法得到的結果進行分析可知多元散射校正預處理方法對光譜數據的處理是十分有效、實用的。預處理后的光譜曲線平滑連續，消除噪聲明顯，信噪比較高，從而對后面的光譜標定，建模很有幫助。