高光譜成像儀作為一種光電檢測技術，它不僅可以獲得樣本的光譜信息，還可以獲得樣本的圖像新信息，對樣本進行定量與定性的分析。因此，其具有圖譜合一、信噪比低等優點。那么，高光譜圖像數據有幾種各式？高光譜圖像數據怎么分析？下文為大家作了介紹。
高光譜圖像數據的格式：
高光譜遙感圖像主要有3種格式：BSQ格式（Band sequential），BIP格式（Band interleaved by pixel）和BIL格式（Band interleaved by line）。BSQ的格式數據按波段順序存儲，BIP格式的數據按像素點序列存儲，BIL格式的數據波段按行交叉存儲。雖然不同格式的圖像有不同的存儲方式，但是這些高光譜圖像都有共同的突出特點。
1.高光譜分辨率
通常的多光譜遙感器的專題制圖儀傳感器和地球觀測系統的高分辨率可見光傳感器只有幾個波段，其光譜分辨率一般大于100 nm。高光譜成像光譜儀能獲得整個可見光、近紅外、短波紅外、熱紅外波段的多而窄的連續光譜，波段數多至幾十甚至數百個，光譜分辨率可達納米級。
2.圖譜合一
高光譜圖像獲取表圖像包含了豐富的空間和光譜信息，在可見光和反射紅外區，其光譜分辨率通常在100nm量級。而成像光譜儀的光譜波段較多，一般是幾十個或者幾百個，有的甚至高達上千個，而且這些光譜波段在成像范圍內都是連續成像。因此，成像光譜儀能夠獲得地物在一定范圍內連續的、精細的光譜曲線。
3.數據冗余度大
高光譜成像光譜儀雖然光譜波段多，光譜曲線連續且精細，但是同時也存在它不足的一面，其采樣間距一般都在納米級，造成了相鄰波段的高度的相關性，冗余度也隨之增加。
4.信噪比低
高光譜數據信噪比較低。隨著波段數目的增加，噪聲增加。然而，高光譜特征和分類研究中主要存在以下兩個難點：一是高維使得計算速度受到很大影響，訓練樣本的不足也會導致不好的分類結果；二是波段間的強相關性增加了冗余性，如果不能有效處理，會對結果產生一定的影響。
高光譜圖像數據的分析方法：
高光譜圖像數據的一般處理流程如下圖所示，基于高光譜圖像圖譜合一的特點，高光譜圖像數據的分析方法可分為以下幾個步驟：
1.樣品制備與圖像獲取
首先，需要制備研究樣品。制備過程中，不僅要考慮含量的影響還要考慮成分等其他因素對圖像獲取的影響。樣品制備完成后，進行圖像的獲取。將樣品放在載物臺上并進行掃描，進而得到特定方向的線性子圖像，隨后移動載物臺獲取另一方向的線性子圖像，從而得到三維原始高光譜圖像。這樣就記錄了圖像的多個波帶。
2.圖像預處理
原始高光譜圖像記錄的數據是光子強度信息，需要進行反射校正才可獲取相對反射率。還需要對感興趣區進行選擇，隨之進行圖像的分割，進而對目標區進行隔離和定位；最后再進行光譜數據的提取。然而從樣品高光譜圖像的目標區的所有像素反射率的值中，只能獲得一個平均頻譜，因此，需重復相同的程序，得到所有測試樣品的高光譜圖像的光譜，將所得到的每個樣品的頻譜進行整合，得到一個光譜矩陣。此外，還可以通過合并、裁剪等方法對數據量極大地高光譜圖像進行處理以減少無用信息的影響進而提高處理效率。
3.光譜分析
光譜分析的核心就是特征模型的建立。在光譜維，首先利用主成分分析、偏最小二乘回歸等方法對全波段進行預測，之后利用偏最小二乘回歸模型產生的回歸系數進行特征波段的選擇。在圖像維，可采用數字圖像處理的技術對所得圖像進行有效的分割與處理從而獲取目標，提取特征參數建立相關的模型，選取回歸系數絕對值的最高值所對應的波段為特征波段，隨后在特征波段中對模型進行預測，即利用選擇的特征波段來建立多元線性回歸模型，最后，再利用回歸系數、交叉驗證的均方根誤差等參數對模型進行評估。
4.圖像分析
高光譜圖像中的每個像素都有自己的光譜，在每個樣本的像素中，可以通過計算出化學成分的濃度等參量來生成預測圖。由于精確測量每個像素是極其困難，因此可以借助回歸模型來實現。最終建立組分含量分布圖像或分類圖像，展示隱藏的信息，進而對樣品進行分析檢測。
