高光譜成像儀高光譜圖像數據幾種處理方法
發布時間:2024-04-12
瀏覽次數:334
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。
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。
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..