高光譜成像技術(shù)是新興的、快速、無損的檢測技術(shù)，它將傳統(tǒng)的光譜分析與機器視覺有機地結(jié)合在一起，可以同時獲得圖像上每個像素點的連續(xù)光譜信息和每個光譜波段的連續(xù)圖像信息，對樣本的多方面物理、化學(xué)信息進行空間維的可視化表達。本文對高光譜成像技術(shù)的優(yōu)勢做了簡要的介紹，感興趣的朋友可以了解一下！

什么是高光譜成像技術(shù)？

高光譜成像技術(shù)是新興的、快速、無損的檢測技術(shù)，將傳統(tǒng)的光譜分析與機器視覺有機地結(jié)合在一起，可以同時獲得圖像上每個像素點的連續(xù)光譜信息和每個光譜波段的連續(xù)圖像信息，其光譜信息能反映樣本的化學(xué)成分和組織結(jié)構(gòu)，圖像信息能反映樣本的空間分布、外部屬性和幾何結(jié)構(gòu)。因此高光譜圖像能對樣本的多方面物理、化學(xué)信息進行空間維的可視化表達。

與多光譜成像相比，高光譜成像儀器可以在很窄的光譜波段內(nèi)連續(xù)采集圖像，有很高的光譜分辨率，通常精度可達到2-3nm，能得到上百條波段的連續(xù)圖像，以充分反映樣本光譜信息的細(xì)微變化。高光譜圖像是一系列光波波長的光學(xué)圖像組成的圖像塊，應(yīng)用較多的光譜波段是可見光（400-780nm）和近紅外光（780-2500nm）波段。

高光譜成像技術(shù)結(jié)合了光譜技術(shù)和圖像處理技術(shù)的雙重優(yōu)勢，既有光譜技術(shù)的優(yōu)點：快速、高效、測量簡單方便、非破壞性分析、多組分同時測定、樣品不需預(yù)處理或預(yù)處理簡單、可實現(xiàn)實時分析，又融合了圖像技術(shù)的優(yōu)點：可視化、直觀形象、再現(xiàn)性好、處理精度高、適用面寬、靈活性高。光譜技術(shù)和圖像處理技術(shù)的融合與交叉，使得光譜信息和圖像信息取得雙贏效果，都發(fā)揮出遠大于自身的功用。例如，可以先通過光譜分析方法選擇具有代表性的特征波長，再提取特征波長圖像的紋理等圖像信息進行更深入的分析；可以應(yīng)用光譜分析方法定量測定樣本圖像每個像素點的化學(xué)成分含量和品質(zhì)參數(shù)，再在圖像上進行空間維的顯示。

高光譜成像技術(shù)的優(yōu)勢：

1.波段多，波段寬度窄。成像光譜儀在可見光和近紅外光譜區(qū)內(nèi)有數(shù)十甚至數(shù)百個波段。與傳統(tǒng)的遙感相比，高光譜分辨率的成像光譜儀為每一個成像象元提供很窄的（一般<10nm）成像波段，波段數(shù)與多光譜遙感相比大大增多，在可見光和近紅外波段可達幾十到幾百個，且在某個光譜區(qū)間是連續(xù)分布的，這不只是簡單的數(shù)量增加，而是有關(guān)地物光譜空間信息量的增加。

2.光譜響應(yīng)范圍廣，光譜分辨率高。成像光譜儀響應(yīng)的電磁波長從可見光延伸到近紅外，甚至到中紅外。成像光譜儀采樣的間隔小，光譜分辨率達到納米級，一般為10nm左右。精細(xì)的光譜分辨率反映了地物光譜的細(xì)微特征。

3.可提供空間域信息和光譜域信息，即“譜像合一”，并且由成像光譜儀得到的光譜曲線可以與地面實測的同類地物光譜曲線相類比。在成像高光譜遙感中，以波長為橫軸，反射值為縱軸建立坐標(biāo)系，可以使高光譜圖像中的每一個像元在各通道的反射值都能產(chǎn)生1條完整、連續(xù)的光譜曲線，即所謂的“譜像合一”。

4.數(shù)據(jù)量大，信息冗余多。高光譜數(shù)據(jù)的波段眾多，其數(shù)據(jù)量巨大，而且由于相鄰波段的相關(guān)性高，信息冗余度增加。

5.數(shù)據(jù)描述模型多，分析更加靈活。高光譜影像通常有三種描述模型：圖像模型、光譜模型與特征模型。

6.檢測速度快、對樣品無損害、不需要化學(xué)試劑；建立被測理化指標(biāo)與光譜數(shù)據(jù)的相對應(yīng)的模型，樣品不需要被損害，也不需要任何試劑，就可以快速檢測出樣本某個指標(biāo)的含量。

7.為定性和定量提供新的觀念，傳統(tǒng)的定性、定量以化學(xué)方法為主，過程復(fù)雜，人力物力耗費大，高光譜成像技術(shù)表現(xiàn)出與傳統(tǒng)方法的完全不同，能夠快速、無損的檢測樣品，為食品行業(yè)提供了新的觀念。

8.對于數(shù)據(jù)處理運用不同的方法得出的結(jié)果也不同；光譜信息的處理主要包括：預(yù)處理一校正集預(yù)測集的劃分—特征波長的選取一模型的建立，其中預(yù)處理方法、特征波長的提取方法、建立模型的方法種類繁多，每一個過程選用的方法不同得到的結(jié)果也就不同，必須要不斷的嘗試各種方法，找到最佳的預(yù)處理、具有代表性的特征波長和最佳的建模方法，才能建立最好的模型。

9.對樣本數(shù)據(jù)要求比較高，如果高光譜圖像數(shù)據(jù)之間的相關(guān)性太高以及樣本數(shù)量少且不具有代表性的情況下，對后續(xù)的數(shù)據(jù)預(yù)處理和特征波長提取都會有比較不利的影響。樣本的信息量大才能保證模型的可靠性和穩(wěn)健性。