高光譜儀可以獲取樣品的高光譜圖像數(shù)據(jù)，這些圖像數(shù)據(jù)能反映樣品的外部特征，而光譜數(shù)據(jù)又可以對樣品內(nèi)部物理結(jié)構(gòu)及化學(xué)成分進(jìn)行分析，可以說高光譜儀是圖像技術(shù)與光譜技術(shù)的完美結(jié)合。那么，高光譜儀高光譜圖像數(shù)據(jù)的處理方法有哪些？下文為大家進(jìn)行了介紹。

高光譜圖像數(shù)據(jù)信息量豐富，但數(shù)據(jù)處理非常復(fù)雜。綜合國內(nèi)外高光譜圖像數(shù)據(jù)處理方法主要是：先選擇感興趣區(qū)域（ROIs），然后可以采用主成分分析法（PCA）、獨立元分析（ICA）、連續(xù)投影算法（SPA）、線性判別分析（LDA）、Fisher判別方法（FDA）、典型分析以及遺傳算法（GA）等對感興趣區(qū)域數(shù)據(jù)進(jìn)行降維處理，提取特征波長，并建立相應(yīng)的判別模型，常用的建模方法有BP神經(jīng)網(wǎng)絡(luò)（BPNN）、支持向量機(jī)（SVM）、多元線性回歸法（MLR）、偏最小二乘法（PLS）等。相關(guān)文獻(xiàn)表明：支持向量機(jī)在建模分析時，結(jié)果較好，因為支持向量機(jī)不會因波段數(shù)量增加，分類精度下降，即出現(xiàn)所謂的Hughes現(xiàn)象。RBF神經(jīng)網(wǎng)絡(luò)分類效果明顯高于BP神經(jīng)網(wǎng)絡(luò)分類法。