高光譜成像儀獲取的光譜信息中，不僅包含光譜信息還包括圖像信息，通過提取樣本高光譜圖像中各檢測項目所對應(yīng)的特征波長，就能夠?qū)悠返木C合特性進(jìn)行全面、快速的檢測。本文對高光譜成像儀高光譜數(shù)據(jù)特征波長提取方法做了介紹，感興趣的朋友可以了解一下！

1.連續(xù)投影法（SPA）

連續(xù)投影算法（SPA）能夠同時消除波長變量間的共線性影響和避免信息重疊，能夠用較小的信息量來表示多數(shù)樣品的光譜信息。因此，該方法廣泛地應(yīng)用于樣品特征波長的提取中。

連續(xù)投影算法是一個連續(xù)循環(huán)的過程，選擇一個波長作為循環(huán)初始值，計算該波長再未選波長上的投影，以該投影作為參考值，選出最大波長的投影向量，再將該向量重新納入波長組合，隨后用循環(huán)選擇的方式向前進(jìn)行直至循環(huán)截止。

2.主成分分析法（PCA）

主成分分析（PCA）作為一種關(guān)鍵信息提取方法，能夠有效地將數(shù)據(jù)降維，能夠把多個變量進(jìn)行線性計算后組合成少數(shù)的幾個變量，是一種多元統(tǒng)計分析方法。為了獲得準(zhǔn)確的分析結(jié)果，實際研究中，我們要充分考慮指標(biāo)（變量）影響因素。一般采用的方法是將第一主成分的方差作為新指標(biāo)，如果其未能滿足要求再選擇第二主成分的方差，但是在以第二主成分的方差為指標(biāo)時，第一主成分中已包含的信息不需要存在于第二主成分中，依次類推。

3.無信息變量消除算法（UVE）

無信息變量消除算法（UVE）是基于偏最小二乘法（PLS）的回歸系數(shù)建立的一種波長選擇算法。該方法通過消除對模型建立貢獻(xiàn)較少的波長變量（無信息變量），減少了建模輸入變量的個數(shù)，簡化了模型的復(fù)雜程度。該算法以變量系數(shù)的平均值和標(biāo)準(zhǔn)差的商作為穩(wěn)定性的值，通過比較每個變量系數(shù)的穩(wěn)定性值和隨機變量矩陣得到的穩(wěn)定性的值，消除對模型建立無效或者次要的波長變量。通過UVE算法的處理，可以減少模型的過擬合，并在通常情況下提高模型的預(yù)測精度。