光譜成像技術，實質上是結合了成像技術和光譜技術，不僅能獲得待測目標的二維幾何空間信息，還能檢測到目標物的一維光譜信息，因此具有既能成像又能獲取目標光譜曲線的“圖譜合一”的優勢。本文對近紅外高光譜成像儀的原理及光譜數據處理方法作了介紹，對此感興趣的朋友可以了解一下！
近紅外高光譜成像儀的成像原理：
光譜成像技術，實質上是結合了成像技術和光譜技術，不僅能獲得待測目標的二維幾何空間信息，還能檢測到目標物的一維光譜信息，因此具有既能成像又能獲取目標光譜曲線的“圖譜合一”的優勢。它充分利用了光與物質的相互作用，物質的光譜特征和其理化學信息緊密相關，物質成分及其結構的差異就造成了物質內部對不同波長子的選擇性吸收和發射。
高光譜成像技術，是一門把二維成像技術與光譜技術有效結合的新興技術。它最初是為遙感方面的應用而開發的，但后來已經在天文學、農業、藥品、醫學等多樣化領域被廣泛應用。它集中了光學、電子學、光電子學、計算機科學等領域的先進技術，具有多波段、高的光譜分辨率、波段窄、光譜范圍廣等特點。所謂“高光譜成像”，是指通過高光譜成像儀采集到的高光譜圖像在光譜維度上進行了細致的分割。也就是說，通過高光譜設備獲取的是一個數據立方體，也被稱作“Hyperspectral cube”，高光譜三維數據結構示意圖如下圖所示。
近紅外高光譜成像儀光譜數據處理方法：
通過成像光譜儀采集獲得的高光譜圖像，首先要進行黑白校正（白板校正和暗場校正），即反射率的歸一化處理。然后，選取感興趣區域，提取感興趣區域內所有點的反射率光譜并取平均值。提取所有樣品的平均光譜，得到光譜數據矩陣。
其中每一個像素點都對應著一條完整的光譜曲線，每一條光譜曲線同樣對應著一副二維的幾何圖像。實驗中，樣品數量高達上千個，又有上百個波段，這往往導致光譜數據矩陣非常龐大。因此，如何有效地挖掘龐大數據結構的有效信息成為光譜分析技術需要解決的首要問題。通常，數據分析分為以下幾個步驟：
1.光譜預處理
預處理可以有效減少系統噪音、雜散光等對成像的影響，從而獲取信噪比高、背景干擾較低的數據。常用的光譜預處理方法有：平滑、歸一化、多元散射校正、求導、變量標準化等。
2.提取特征波長
光譜數據的高維及共線性問題往往降低模型的運算效率和精度。選取有效的特征波長不僅降低了維數問題，而且最大程度上包含樣品的原始信息，進而達到簡化運算的目的。常用的提取特征波長的方法有：回歸系數法、連續投影算法、載荷系數法、遺傳算法、競爭性自適應重加權算法等。
3.回歸或分類模型的建立
用提取的特征波長和待測參數建立回歸或分類模型。常用的建模方法有：主成分分析、多元線性回歸、主成分回歸、人工神經網絡、偏最小二乘法、最小二乘支持向量機等。
另外，以上所述的步驟僅僅是針對光譜的處理，而高光譜圖像還可以看作是每個波段圖像的疊加，這些圖像包含樣本豐富的空間分布屬性。圖像紋理反映像素的空間位置和亮度值變化，進而反映樣本幾何結構的變化。因此，通過提取高光譜圖像的紋理變量信息（包括對比度、方差等）同樣可以建立相應的預測模型。
