高光谱技术在虫草分类识别技术中的应用
一：试验目的：
以杂草中的虫草为样本，对样品的400nm-1000nm波段的红外光谱进行分析，获取此波段的光谱信息，为后期的分类虫草检测识别提供依据。
二：测试原理及方法：
高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其*突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。
高光谱成像技术的定义是在多光谱成像的基础上，在紫外到近红外（200-2500nm）的光谱范围内，利用成像光谱仪，在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。
目标物体-成像物镜-入射狭缝-准直透镜-PGP-聚焦透镜-CCD棱镜-光栅-棱镜：PGP。
光谱仪的光谱分辨率由狭缝的宽度和光学光谱仪产生的线性色散确定。*小光谱分辨率是由光学系统的成像性能确定的（点扩展大小）。
成像过程为：每次成一条线上的像后（X方向），在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。综合横纵扫描信息就可以得到样品的三维高光谱图像数据。
利用GaiaField便携式高光谱成像仪作为测试设备并配置光谱范围在350nm-2500nm范围的光源来完成数据的获取。
图 仪器设备
图 像立方体
图 RGB图像（R:650nm G:550nm B：450nm）
首先对原始高光谱图像进行裁剪，因在原始数据中有大量的冗余影像，这些会对数据的分析带来干扰，其次再对原始数据进行噪声背景进行扣除，减少干扰信号，同时对非研究对象进行剔除（比如说在样品中有一部分是泥土，它与植被的光谱图像是有非常明显的区别的，所以首先将其排除掉）。如下图所示，对数据进行背景扣除后的图像。
图 扣除背景后的图像
对扣除背景后的原始数据进行主成分分析（PCA），因高光谱图像的各个波段之间经常是高度相关的，它们的DN值以及显示出来的视觉效果往往很相似。主成分分析能够去除波段之间的多余信息、将波段的图像信息压缩到比原波段更为有效的少数几个转换波段的方法。
图 主成分分析结果
对经过背景信号扣除后的数据进行主成分分析之后，获取其前8个PC状态的图像。
经过主成分分析、光谱平滑等算法处理之后，能够发现在主成分分析的1/6/7/8状态下对虫草的分类识别不是非常的**，而在主成分分析的2、3、4、5状态下能够很好的将虫草和其他非虫草类的植被进行分开，测算精度非常高（在图PC-2 PC-3 PC-4 PC-5中虫草显示不同的颜色，这种颜色只是一个颜色显示，非虫草的本质颜色，只是为了区分区别）。
高光谱技术是将图像和光谱结合在一起的一门新型成像技术，在成像的同时，能够借助物质的标准光谱与其测试到的特征光谱进行光谱匹配，这样的话就能够很快、精准的对所测试的对象进行分类识别。
图 分类识别出来的虫草样本（蓝色标注）-PC3
图 分类识别出来的虫草样本（红色标注）-PC5
图 4根虫草样本的平均光谱曲线（400nm-1000nm）
图 4根虫草样本的平均光谱曲线（1000nm-2500nm）
因4根虫草表明由于光源照射的角度等因素影响，反射光谱被相机接收之后，表现处理的特征光谱的反射率有高低��分，但是4（根）种虫草的特征光谱的形状是一致的。其他类别的草划分在一起，不具备与4种虫草有相似的特征信息，所以能够从整个图像中对其进行分类识别和提取。
而其他杂草的光谱曲线起始和虫草的很相似，这是因为在400nm-1000nm波段和在1000-2500nm波段，杂草和虫草都表现出来植被的特征光谱信息。
图 标准植被的特征光谱（草）-1000nm-2500nm
图 标准植被的特征光谱（草）-400nm-2500nm
下图中的红色的线为杂草的光谱曲线，与标准光谱对比非常相似。
