高光譜成像儀在對樣本進行分析時，可以獲取樣本的高光譜圖像，高光譜圖像是一個具有“圖譜合一”特點的三維數據立方體，而高光譜圖像的處理和分析是對樣本進行定量和定性分析的重要依據。那么，高光譜成像儀獲取的光譜圖像怎么處理與分析？本文為大家做了簡要的介紹，感興趣的朋友可以了解一下！

高光譜圖像數據的特點：

高光譜圖像是一個具有“圖譜合一”特點的三維數據立方體，因此高光譜圖像的處理和分析既可以在指定波長情況下在空間域進行圖像處理和分析，又可以在指定像素坐標位置情況下在光譜域進行光譜處理和分析，也可以同時在空間域和光譜域進行處理和分析。

下圖顯示了高光譜圖像處理的一般流程。一般來講，高光譜圖像處理流程包括高光譜圖像數據獲取與校正層、高光譜圖像處理與分析層和應用層三個層面。其中高光譜圖像數據獲取與校正層包括樣品高光譜圖像和參考圖像的獲取、高光譜圖像校正；高光譜圖像處理與分析層包括光譜處理與分析和圖像處理與分析；應用層包括內部品質與安全性檢測和外部缺陷識別與提取。

高光譜圖像校正：

高光譜成像系統獲取的是未經過校正的原始高光譜圖像。由于相機暗電流的存在，以及不同的采集系統對檢測光的敏感程度不同，故即便是在相同的外界條件下采集同一個樣品，不同高光譜成像系統所獲取的高光譜圖像也不一定相同。因此為了使高光譜數據更具穩定性和可比性，常常需要利用參考圖像把原始高光譜圖像校正成為高光譜反射率圖像。校正公式如下所示：

其中：Rnorm為校正后的光譜圖像，Rraw為原始光譜圖像，Rdark為關上光源，擰上鏡頭蓋后采集的全暗參考圖像，Rwhite為掃描反射率為99%的標準白板得到的全白參考圖像。

光譜處理與分析：

為了消除光散射、光程畸變和隨機噪聲對光譜造成的影響，在光譜數據建模前，一般使用光譜預處理技術對光譜進行預處理。平滑、求導、歸一化、多元散射校正、傅里葉變換和小波變換是常見的光譜預處理方法。不同的預處理方法具有不同的作用，例如平滑可以用來降低光譜中的隨機噪聲；對光譜求一階或二階導數可以用于移除峰谷重疊和基線漂移，同時也可以根據導數的波峰和波谷選取特征波長；歸一化和多元散射校正用于降低由于樣本表面形狀差異而帶來的光散射現象；傅里葉變換和小波變換則可以把數據轉換至復數域進行相關的處理。通常情況下，需要根據光譜的數據特點和具體應用選擇合理的預處理方法。

光譜數據蘊含著樣本的特征信息，不同特征的樣本的光譜曲線差異很大。往往需要利用多元分析的方法對樣本的特征進行定性或定量的分析。基于多元分類的定性分析一般用于樣本缺陷的識別與提取以及安全性的定性判定。基于多元回歸的定量分析一般用于樣本內部品質和影響安全性的物質含量的定量分析。

圖像處理與分析：

高光譜圖像在每一個響應波長處都有一個單色圖像，龐大的圖像數據大大增加了高光譜圖像的采集和處理時間，同時數據存在較大的冗余，且并不是每一個波長處的單色圖像都適合于檢測。為了實現對樣本的快速在線檢測，必須挑選適合進行特定品質檢測的有效圖像。有效圖像一般為位于特征波長處的單色圖像，其選擇方法等同于特征波長的選擇，既可以依據原始光譜和預處理光譜曲線的波峰波谷位置進行選取，也可以通過多元分析方法進行選取。

圖像處理和分析是實現樣本自動檢測的關鍵步驟。圖像處理是圖像分析和品質檢測的前提和基礎。圖像處理操作的對象是圖像，輸出的結果則是便于品質分析的特征向量。圖像處理包括圖像預處理、圖像分割和特征提取三個方面。