高光譜成像儀在對樣品進行側(cè)臉時，會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選取樣本光譜的特征波段與紋理特征的重要變量。本文對高光譜成像儀光譜數(shù)據(jù)特征波長的選取方法做了介紹。

1.SPA方法

SPA通過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，從整個波長中提取最優(yōu)波長。從一個波長開始，將其投影到別的波長，利用向量的投影分析比較投影向量大小，選取的待選波長為投影向量最大的波長，每次迭代中加入一個新變量，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)的絕對值，去掉絕對值較小的特征，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)計算，選擇模型中RMSECV最小的子集中的波長作為特征波長，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一步被優(yōu)化，再用SPA對特征波段進行選擇能進一步減少光譜冗余信息。