上期一起学习了高光谱数据到底怎么看。本期我们用最直观的案例——瘀伤猕猴桃，带您看看原始光谱如何在一系列预处理（平滑、SNV、MSC）和降维方法（PCA、MNF）的作用下，逐渐显露出清晰的组织结构和损伤特征。只需几张图，您就能看到“高光谱处理前后”的巨大差别，也能迅速理解为何预处理，比建模本身更重要。
光谱预处理
平滑方法主要用于消除光谱中的高频随机噪声，同时尽量保留光谱的整体趋势和峰形。
▌移动平均
移动平均是最基本的平滑方法。它通过取当前点及其邻域点的平均值来平滑光谱。该方法可以平滑高频噪声，但对一些尖刺噪声不敏感。公式如下：
其中，n=2k+1为移动窗口的大小。
python代码示例：
▌Savitzky-Golay平滑
SG平滑的核心思想是对光谱信号在一个滑动窗口内进行多项式拟合，用拟合后的值替换原始光谱点。与简单的移动平均相比，SG平滑不仅可以去除高频噪声，还能保持光谱峰形和信号的局部特征。该公式如下：在窗口大小为2m+1的条件下，对第i个光谱点的平滑为：
其中，Cj是多项式拟合得到的系数，yi+j为窗口内光谱点的原始值。
python代码示例：
▌中值滤波
中值滤波是用窗口内的中位数替代当前点值，对偶发的尖刺噪声（毛刺）特别有效。
python代码示例：
▌标准正态变换（SNV）
SNV是一种归一化方法，通过对每条光谱进行中心化与标准化，消除光谱间的散射效应或强度差异，并保留光谱的相对形态。公式如下：
其中表示光谱均值，
表示光谱标准差。
python代码示例：
▌多元散射校正（MSC）
MSC通过线性回归将每条光谱与参考光谱（通常为平均光谱）拟合，校正乘法与加法散射效应。该方法可以校正散射引起的强度差异，保留光谱的形状特征。公式如下：
，其中yi=aixref+bi
其中xi为第i波长的光谱，xref参考光谱，通常是所有样本的平均光谱，ai、bi为回归系数，yi为拟合后的光谱。
python代码示例：
光谱图像降维
▌主成分分析降维（PCA）
在高光谱图像处理中，PCA是一种常用的降维方法，用于减少波段冗余、降低噪声并提取主要光谱信息。高光谱图像通常由三维数据立方体表示，包含空间维度和数百个光谱波段。PCA 降维的核心思想是将每个像素的光谱向量视为高维数据，通过对所有像素数据进行零均值化、计算协方差矩阵并求其特征值和特征向量，得到按方差大小排序的主成分。选取前若干主成分即可将高光谱数据从高维映射到低维，同时保留大部分光谱信息。降维后的数据不仅减少了计算量，还显著提高了信噪比，可用于可视化、分类或聚类分析。例如，前三个主成分可以组合成伪彩色图像直观展示空间结构。总体而言，PCA降维是高光谱图像处理和分析中的重要预处理手段，可有效压缩数据、去除冗余和噪声，同时保留光谱特征。
▌最小噪声分数降维（MNF）
在高光谱图像处理中，MNF降维是一种常用的数据降噪与压缩方法，其核心思想是通过考虑光谱噪声特性来提取主要信号成分。MNF降维一般分两步进行：第一步，对原始高光谱数据进行噪声估计并对数据进行噪声归一化，将噪声影响标准化；第二步，在归一化后的数据上进行主成分分析（PCA），提取方差最大的成分作为主要信号，而将噪声占主导的低方差成分舍弃。与传统PCA不同，MNF 通过先考虑噪声结构，使降维后的前几主成分在信噪比上更优，更能突出真实光谱信号。MNF降维后的数据不仅减少了波段冗余，还有效降低了噪声，广泛应用于高光谱图像的可视化、分类和目标识别等任务。由于其能够同时实现噪声抑制和特征压缩，MNF 常被认为是处理高光谱数据的高级降维方法。
案例前后对比
▌光谱预处理案例
不同预处理方法处理后的光谱曲线如下图所示。相对于原始光谱，平滑预处理方法（如Savitzky-Golay、移动平均和中值滤波）主要消除了光谱曲线上的高频波动，使光谱曲线更平滑，同时保持了整体峰位和基线的基本形态。SNV方法则对原始光谱的幅值和偏移进行了标准化，使不同样品的光谱在同一水平上对齐，同时略微改变了曲线的整体高度。MSC通过线性回归校正光散射造成的幅值和偏移差异，既保持峰形特征，又消除了样品间的散射差异。然而，SNV和MSC没有消除光谱中的高频噪声。组合方法（如SG+SNV或SG+MSC）先对光谱进行高频噪声平滑，再进行散射校正，兼顾了平滑与散射校正的效果，使光谱既平整又保持峰形特征。通过对比处理前后的光谱，可以直观观察到各方法对噪声、散射和基线的调节作用，从而选择最适合的预处理策略。
原始光谱
移动平均
SG平滑
中值滤波
SNV
MSC
SG+SNV
SG+MSC
▌光谱图像降维案例
光谱图像降维案例以瘀伤猕猴桃的光谱图像降维为例，瘀伤猕猴桃的高光谱图像及特定波长的灰度图像如下图所示。
▲瘀伤猕猴桃的高光谱图像及特定波长的灰度图像
在对瘀伤猕猴桃的高光谱数据进行PCA与MNF分析后发现，两种方法均能在主成分中提取出与组织变化相关的特征，但表现存在显著差异。PCA的PC1主要表征果肉组织的整体反射率与密度分布，PC2能够明显突出瘀伤区域的吸收增强，是PCA中最具诊断意义的分量；而从PC3开始噪声占主导，出现明显条纹伪影，已不适合进一步分析。相比之下，MNF通过按信噪比排序有效抑制了噪声，其 MNF1展现稳定的组织背景特征，MNF2能以更高的对比度和更清晰的边界分离出瘀伤核心区域，MNF3则进一步强化损伤边缘结构，呈现出瘀伤扩散的层次变化。整体而言，MNF在瘀伤特征增强、噪声抑制和组织细节保持方面显著优于PCA，其中MNF2–MNF3是最具诊断价值的特征分量。
▲猕猴桃样本的全光谱图像进行PCA和MNF分析
下期我们将介绍关于高光谱图像的识别分类、关于高光谱图像分类的方法监督分类，敬请期待！
高光谱知识畅谈会
参与活动 →
??第三期：高光谱图像降维中，为什么通常选择前三个 PCA 或 MNF 分量做伪彩色图？
A. 因为后三个分量分辨率更高。
B. 因为前几个分量占据大部分有效信息。
C. 因为后面的分量不能显示颜色。
D. 因为前几个分量计算更快。
欢迎在评论区留言正确答案并带上话题高光谱数据处理及技术分享①期 | 高光谱数据到底怎么看？从原始信号到真实光谱特征
高光谱数据处理及技术分享②期：如何看懂高光谱图像数据？
高光谱成像预测膀胱癌分级：一种新型诊断策略
植被虫害、病害的高光谱成像技术检测应用
关于我们
专注于高光谱成像技术的研发生产，主营产品：日光诱导叶绿素荧光系统、机载高光谱、便携式高光谱、暗箱分选高光谱、显微/荧光高光谱等5大系列，已成功服务于智慧农业、工业分选、刑侦物证、食品检测、文物鉴定修复、环境监测等多个领域。
点点“在看” 点点赞 了解高光谱新资讯
全部评论(0条)
相关产品推荐（★较多用户关注☆）
机载高光谱成像系统-GaiaSky-mini
报价：面议 已咨询 8499次
GaiaSorter “盖亚”高光谱分选仪
报价：面议 已咨询 4075次
推扫式近红外高光谱成像光谱仪
报价：面议 已咨询 4221次
短波红外高光谱成像光谱仪
报价：面议 已咨询 4182次
偏振相机
报价：面议 已咨询 4442次
实时五通道多光谱相机-Condor系列
报价：面议 已咨询 3981次
轮式八通道多光谱相机
报价：面议 已咨询 3394次
拉曼专用成像光谱仪
报价：面议 已咨询 3714次
你可能还想看
①本文由仪器网入驻的作者或注册的会员撰写并发布，观点仅代表作者本人，不代表仪器网立场。若内容侵犯到您的合法权益，请及时告诉,我们立即通知作者，并马上删除。
②凡本网注明"来源：仪器网"的所有作品，版权均属于仪器网，转载时须经本网同意，并请注明仪器网(www.yiqi.com)。
③本网转载并注明来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
④若本站内容侵犯到您的合法权益，请及时告诉,我们马上修改或删除。邮箱：hezou_yiqi
热点文章
XKCON-MT-W-01无线测温杆能够实时捕捉生物质料堆内部细微温度波动，采用无线传输方式，无需繁琐布线，打破了传统测温模式的局限，既解决了传统测温劳动强度大、有线布线难等问题，又实现了生物质发电厂严苛环境的温度数据采集与监测。
近期话题
相关产品
在线留言
沪公网安备 31011502008050号
参与评论
登录后参与评论