高光譜數據的預處理方法有哪些?怎么選擇?
發布時間:2023-12-20
瀏覽次數:359
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。
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。
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..