高光譜技術具有多波段、高分辨率和圖譜合一的特點，把二維圖像和光譜技術融為一體，被廣泛的應用于不同行業的無損檢測領域，具有檢測速度快、檢測效率高等優點。本文對高光譜技術的成像原理、檢測裝置及圖像數據處理方法做了介紹，對高光譜知識感興趣的朋友可以了解一下！

高光譜技術的成像原理：

高光譜是利用很多窄的電磁波波段獲取物體有關數據的技術，它可在電磁波的紫外、可見光、近紅外、中紅外以至熱紅外區域，獲取許多非常窄且光譜連續的圖像數據，為每個像元提供數十至數百個窄波段（通常波段寬度<10nm）光譜信息，能產生一條完整而連續的光譜曲線。高光譜具有多波段、高分辨率和圖譜合一的特點，把二維圖像和光譜技術融為一體。

高光譜圖像可以用“三維數據塊”來形象地描述，如上圖所示，其中x和y表示二維平面像素信息坐標軸，第三維（λ軸）是波長信息坐標軸。高光譜圖像集樣本的圖像信息與光譜信息于一身。圖像信息可以反映樣本的大小、形狀、缺陷等外部品質特征，由于成分不同對光譜吸收也不同，在某個特定波長下圖像對某個缺陷會有較顯著的反映，而光譜信息能充分反映樣品內部的物理結構、化學成分的差異。這些特點決定了高光譜圖像技術在產品內外部品質的檢測方面的獨特優勢。

高光譜成像技術的檢測裝置：

由光源、光譜成像儀、圖像采集卡、暗箱、數據處理軟件、位移平臺等構成了典型的高光譜成像裝置。高光譜成像技術有基于濾片的高光譜成像系統和基于圖像光譜儀的高光譜圖像系統兩種。下圖為高光譜成像裝置示意圖。

高光譜圖像數據的處理：

由于高光譜圖像采集時會帶有較多的數據，含有大量的信息冗余，因此數據降維便必不可少，選擇最佳波段可以最大限度反映原始信息而不損失重要信息。主要數據降維方法有[8]：主成分分析法（PCA）、判別時分析法（DAFE）、特征波段法等。將高光譜數據降維處理后，處理特征波段處的圖像：線性化拉伸灰度直方圖處理計算、確定二值化閾值和分割圖像區域等得到特征圖像，最后可以選用偏最小二乘法（PLS）、主成分回歸分析法（PCA）、多元線性回歸分析法（MLR）等方法建立預測模型，實現產品內外品質的檢測。