由于高光譜成像儀獲取的光譜數(shù)據(jù)比較的繁冗，為了獲得有效的光譜信息，建立預(yù)測模型，就需要對(duì)光譜數(shù)據(jù)進(jìn)行處理，提取有效的信息。本文對(duì)高光譜成像儀高光譜圖像數(shù)據(jù)的分析方法做了解析。

高光譜圖像數(shù)據(jù)分析技術(shù)路線如下圖所示。對(duì)獲取的高光譜圖像進(jìn)行反射率校正后就可以進(jìn)行處理：

（1）光譜變量提取

在遙感圖像處理ENVI（ITT Visual Information Solutions，Boulder，USA）軟件中對(duì)校正后的高光譜圖像選取不包含背景信息的盡可能大的感興趣區(qū)域（Region of Interest，ROI），再提取感興趣區(qū)域內(nèi)所有像素點(diǎn)的反射率光譜數(shù)據(jù)，并求得其平均光譜。依次提取所有樣本的平均光譜，得到光譜數(shù)據(jù)矩陣；

（2）圖像紋理變量提取

高光譜圖像數(shù)據(jù)立方體可看作是每個(gè)波段灰度圖像的疊加，這些灰度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(jìn)而反映樣本幾何結(jié)構(gòu)的變化。由于高光譜圖像有上百個(gè)波段圖像，不可能提取每個(gè)灰度圖像的紋理變量，需要先通過主成分分析提取前幾個(gè)主成分圖像的紋理變量，或者先尋找最優(yōu)特征波長再提取特征波長圖像的紋理變量；

（3）光譜數(shù)據(jù)預(yù)處理

預(yù)處理可以有效減少系統(tǒng)噪音、雜散光等對(duì)成像的影響，從而獲取高信噪比、低背景干擾的數(shù)據(jù)。常用的光譜預(yù)處理方法有：平滑、多元散射校正、變量標(biāo)準(zhǔn)化、求導(dǎo)、歸一化、基線校正等；

（4）特征波長提取

通過選擇特征波長，以降低光譜數(shù)據(jù)的維數(shù)及共線性問題，有效特征波長不僅能代表被測樣本的特征，還能大大簡化回歸或分類運(yùn)算。常用的特征波長提取方法有：回歸系數(shù)法、載荷系數(shù)法、連續(xù)投影算法、無信息變量消除、遺傳算法、競爭性自適應(yīng)重加權(quán)算法、Random Frog等；

（5）回歸或分類模型的建立

用提取的特征波長光譜和紋理變量建立回歸或分類模型。分類模型是判斷樣本的種類或類型，是定性分析。回歸模型需要組分的含量信息，是定量分析。常用的化學(xué)計(jì)量學(xué)方法有：主成分分析、主成分回歸、多元線性回歸、偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)、最小二乘支持向量機(jī)、高斯過程等；

（6）圖像后處理和可視化

通過在MATLAB（The Math Works，Natick，USA）或IDL（ITT Visual Information Solutions，Boulder，USA）軟件中編寫圖像處理程序，將模型預(yù)測的量化結(jié)果以偽彩圖的形式展示，實(shí)現(xiàn)參數(shù)空間分布的可視化。