高光譜成像儀在對(duì)樣品進(jìn)行側(cè)臉時(shí)，會(huì)采集多波段的光譜數(shù)據(jù)，全波段數(shù)據(jù)有較多的冗余信息，因此就需要采用一定的方法來(lái)選取樣本光譜的特征波段與紋理特征的重要變量。本文對(duì)高光譜成像儀光譜數(shù)據(jù)特征波長(zhǎng)的選取方法做了介紹。

1.SPA方法

SPA通過(guò)最小化共線性向量空間和減少原始光譜矩陣中的冗余信息，從整個(gè)波長(zhǎng)中提取最優(yōu)波長(zhǎng)。從一個(gè)波長(zhǎng)開(kāi)始，將其投影到別的波長(zhǎng)，利用向量的投影分析比較投影向量大小，選取的待選波長(zhǎng)為投影向量最大的波長(zhǎng)，每次迭代中加入一個(gè)新變量，反復(fù)循環(huán)操作生成適當(dāng)?shù)膮?shù)，并且建立多元線性回歸的矯正模型，根據(jù)矯正模型結(jié)果選擇最終特征變量，能有效減少原始光譜的冗余信息。SPA設(shè)置的主要參數(shù)為選擇變量的范圍，即需要選擇的最少和最多變量數(shù)。

2.CARS方法

CARS是將蒙特卡洛采樣與PLSR回歸系數(shù)相結(jié)合的一種特征變量選擇方法，依據(jù)自適應(yīng)重加權(quán)采樣技術(shù)，隨機(jī)選取一定數(shù)目的樣本作為校正集建立模型。比較回歸系數(shù)的絕對(duì)值，去掉絕對(duì)值較小的特征，并且選擇均方根誤差最小的子集，基于新的子集再次構(gòu)建回歸模型。多次循環(huán)計(jì)算，選擇模型中RMSECV最小的子集中的波長(zhǎng)作為特征波長(zhǎng)，能有效選出最優(yōu)波段組合。

3.CARS-SPA方法

CARS-SPA是兩者聯(lián)合方法，先用CARS篩選出部分特征波段，為了確定光譜變量能否進(jìn)一步被優(yōu)化，再用SPA對(duì)特征波段進(jìn)行選擇能進(jìn)一步減少光譜冗余信息。