高光譜成像技術(shù)的核心原理是光譜與圖像合二為一，獲得圖像數(shù)據(jù)的同時(shí)，得到圖像中每個(gè)像素的光譜信息，即高光譜數(shù)據(jù)多維立方體，進(jìn)而對(duì)樣本進(jìn)行定性與定量的分析。那么，高光譜成像儀是如何對(duì)樣本進(jìn)行定性定量分析的？本文對(duì)高光譜成像儀的原理及對(duì)樣本進(jìn)行定性定量分析作了介紹。

高光譜成像儀的工作原理：

如上圖所示，當(dāng)光源照射到待測(cè)樣品表面，由于樣品中所含物質(zhì)成分及物理特性存在差異，在特定波長下有不同的反射比、分散度以及電磁能等。待檢樣品的輻射能通過鏡頭聚集并由狹縫增強(qiáng)準(zhǔn)直照射到分光原件上，最終在垂直方向上按光譜分散并成像于圖像傳感器上，即得到待測(cè)樣品的高光譜圖，如下圖所示。

高光譜圖像是由非常窄的多達(dá)數(shù)百個(gè)連續(xù)光譜波段組成，其圖像又稱超立方，可通過反射、透射和漫反射來獲取，該圖像是一個(gè)三維的數(shù)據(jù)矩陣（X，Y，λ），其中（X，Y）代表的是二維的空間維度，（λ）代表的是一維的光譜維度。從一維維度（λ）上看，高光譜圖像是一張張二維（X，Y）圖像（上圖A），而從二維（X，Y）上看，高光譜圖像是一條條光譜譜線（上圖B），光譜數(shù)據(jù)所攜帶的信息一般可采用3種表示方法，即圖像空間、光譜空間、特征空間。圖像空間根據(jù)RGB色澤的差異能較為直觀地觀測(cè)被檢對(duì)象的整體分布信息；光譜空間表示了被檢物質(zhì)在不同波長下的響應(yīng)情況；特征空間為光譜指紋圖譜技術(shù)奠定了理論依據(jù)，且該特征空間能較好地應(yīng)用于模式識(shí)別。

高光譜成像儀對(duì)樣本進(jìn)行定性定量分析的方法：

高光譜成像技術(shù)定性定量判別的一般流程如上圖所示。由于高光譜數(shù)據(jù)冗余，需要應(yīng)用統(tǒng)計(jì)學(xué)方法進(jìn)行定性定量分析。其中定性分析中主要有監(jiān)督分類與非監(jiān)督分類、參數(shù)分類與非參數(shù)分類、確定性分類與非確定性分類等，定量分析模型中多采用多元變量回歸，可分為線性回歸和非線性回歸，線性回歸包括多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸（PLS）等，非線性回歸包括人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）等。

高光譜成像技術(shù)應(yīng)用于樣本定量模型預(yù)測(cè)研究，需要對(duì)采集完樣品的原始光譜信息進(jìn)行黑白校正，由于高光譜相鄰譜帶之間存在較強(qiáng)的相關(guān)性，利用全波段進(jìn)行多變量建模預(yù)測(cè)比較耗時(shí)，且效果不穩(wěn)定，因此需要進(jìn)行特征波段的選擇。特征波段的選擇方法較多，如相關(guān)系數(shù)波段選擇法、顯變分析波段選擇法，這兩種方法能簡便地提取特征波段，但缺乏對(duì)數(shù)據(jù)多重共線性判別的能力，導(dǎo)致模型預(yù)測(cè)性能較差；而間隔PLS可消除多重共線性的影響，因?yàn)樵摲椒ㄊ菍LS回歸模型最終的預(yù)測(cè)結(jié)果作為衡量波段選擇的標(biāo)準(zhǔn)；模擬退火法選擇特征波段，是將預(yù)測(cè)模型自身的預(yù)測(cè)能力作為衡量標(biāo)準(zhǔn)，忽略了校正模型的穩(wěn)健性，因此，當(dāng)外界環(huán)境改變時(shí)，模型預(yù)測(cè)結(jié)果的重現(xiàn)性較差；此外還有連續(xù)投影法（SPA）、主成分分析法（PCA）等一系列方法應(yīng)用于特征波段的選取。因此，在進(jìn)行定性定量模型判別時(shí)要綜合考慮這些方法的優(yōu)缺點(diǎn)及適用性，從而使得模型穩(wěn)健性和預(yù)測(cè)精確度達(dá)到最佳。