隨著光學成像技術和探測器技術的不斷發展，高精密的光學儀器高光譜成像儀被廣泛的應用于不同的行業，它將傳統光譜儀的二維成像與光譜技術有機的融為一體，可以完整、無損地同時獲取被測物的空間信息和光譜信息。本文對高光譜成像儀高光譜圖像數據的處理方法作了介紹。

高光譜圖像數據的一般處理流程如下圖所示，基于高光譜圖像圖譜合一的特點，高光譜圖像數據的分析方法可分為以下幾個步驟：

1.樣品制備與圖像獲取

首先，需要制備研究樣品。制備過程中，不僅要考慮含量的影響還要考慮成分等其他因素對圖像獲取的影響。樣品制備完成后，進行圖像的獲取。將樣品放在載物臺上并進行掃描，進而得到特定方向的線性子圖像，隨后移動載物臺獲取另一方向的線性子圖像，從而得到三維原始高光譜圖像。這樣就記錄了圖像的多個波帶。

2.圖像預處理

原始高光譜圖像記錄的數據是光子強度信息，需要進行反射校正才可獲取相對反射率。還需要對感興趣區進行選擇，隨之進行圖像的分割，進而對目標區進行隔離和定位；最后再進行光譜數據的提取。然而從樣品高光譜圖像的目標區的所有像素反射率的值中，只能獲得一個平均頻譜，因此，需重復相同的程序，得到所有測試樣品的高光譜圖像的光譜，將所得到的每個樣品的頻譜進行整合，得到一個光譜矩陣。此外，還可以通過合并、裁剪等方法對數據量極大地高光譜圖像進行處理以減少無用信息的影響進而提高處理效率。

3.光譜分析

光譜分析的核心就是特征模型的建立。在光譜維，首先利用主成分分析、偏最小二乘回歸等方法對全波段進行預測，之后利用偏最小二乘回歸模型產生的回歸系數進行特征波段的選擇。在圖像維，可采用數字圖像處理的技術對所得圖像進行有效的分割與處理從而獲取目標，提取特征參數建立相關的模型，選取回歸系數絕對值的最高值所對應的波段為特征波段，隨后在特征波段中對模型進行預測，即利用選擇的特征波段來建立多元線性回歸模型，最后，再利用回歸系數、交叉驗證的均方根誤差等參數對模型進行評估。

4.圖像分析

高光譜圖像中的每個像素都有自己的光譜，在每個樣本的像素中，可以通過計算出化學成分的濃度等參量來生成預測圖。由于精確測量每個像素是極其困難，因此可以借助回歸模型來實現。最終建立組分含量分布圖像或分類圖像，展示隱藏的信息，進而對樣品進行分析檢測。