高光譜儀可以獲取樣品的高光譜圖像數據，這些圖像數據能反映樣品的外部特征，而光譜數據又可以對樣品內部物理結構及化學成分進行分析，可以說高光譜儀是圖像技術與光譜技術的完美結合。那么，高光譜儀高光譜圖像數據的處理方法有哪些？下文為大家進行了介紹。

高光譜圖像數據信息量豐富，但數據處理非常復雜。綜合國內外高光譜圖像數據處理方法主要是：先選擇感興趣區域（ROIs），然后可以采用主成分分析法（PCA）、獨立元分析（ICA）、連續投影算法（SPA）、線性判別分析（LDA）、Fisher判別方法（FDA）、典型分析以及遺傳算法（GA）等對感興趣區域數據進行降維處理，提取特征波長，并建立相應的判別模型，常用的建模方法有BP神經網絡（BPNN）、支持向量機（SVM）、多元線性回歸法（MLR）、偏最小二乘法（PLS）等。相關文獻表明：支持向量機在建模分析時，結果較好，因為支持向量機不會因波段數量增加，分類精度下降，即出現所謂的Hughes現象。RBF神經網絡分類效果明顯高于BP神經網絡分類法。