在本文中，光谱数据处理是指所有与comput-过程从所测量的“原始”光谱荷兰国际集团的葡萄糖浓度值。它涉及四个主要步骤：（i）将所述传动装置（或反射率）光谱成吸收谱，（ⅱ）除去频谱的错误包括基线噪声和高频电子噪声（称为预处理步骤），（ⅲ）显影葡萄糖通过一个校准模型多元的技术，和（iv）从一组新的预计算葡萄糖浓度处理光谱。图5-1给出了一般的光谱处理步骤包括校准和预测阶段。5.1传输到吸收率转换在已被证明在通道。2，在临床相关浓度范围内，NIR葡萄糖吸收的信号成线性比例的浓度。因此，线性模型已被广泛使用。常见的包括偏最小二乘法（PLS），主成分分析（PCA）和经典最小二乘（CLS）。这样的应用程序之前一个模型，然而，所检测到的辐射应该被对数转换- 如所述通过公知的比尔- 朗伯定律：
预处理过程：
其中a是吸收幅度作为波长A的函数，TCOMP是传输组件的光谱，Trej是参照样品的透射光谱，一个是样品吸收系数，c是浓度，f是辐射的路径长度通过样品。TREF是一般成分的缓冲液的透射光谱解决方案。例如，在含水葡萄糖测量的情况下，传输水频谱通常被用作温度Tref。然而，对于葡萄糖的实际目的浓度的预测，用来生产Trej组件并不重要，因为什么问题是光谱变化AA级。事实上，在我们所有的实验测量，Trej的简直就是一个常数。然而，往往只使用缓冲区作为参照，我们才能够看到该组件定性特征。
5.2。光谱预处理
在本文完成的工作，涉及生物样品大多数测量，基线噪声已被发现是幅度比高频噪声较大的订单，并迄今为止噪声的更重要的类型来抑制。有几种类型的基线噪声去除技术。最常见的在光谱是多项式拟合，光谱分化和带通滤波的字段或通常被称为傅里叶滤波。以下部分提供了他们的简要说明。然而，它首先确定基线噪声的来源是重要的。
5.2.1来源基线噪音
基线噪音通常与“漂移”或不需要的变化有时间关联大小作为频谱读取时间周期的顺序相同的尺度。这样的漂移可能源于仪器（如在光源输出和检测器响应漂移功能），环境（例如在
湿度和温度）漂移，样品本身（例如温度和散射变化）。尽管使用低噪声和良好控制电子，该仪器漂移可能仍然是数量级高于由于生理葡萄糖变化的信号的变化，仅仅是因为葡萄糖信号是非常小的。在所有本文工作进行的实验调查，没有控制环境和条件下的样品使用。原型机的那些“露天”类型，而控制柜。液体样品置于石英比色皿，而不使用温度控制。因此，实验和优良的成功复光谱的重复性表明，错误和漂移得到了有效通过预处理技术抑制，这表现不久。在非散射，水生物样品，基线噪音的最大来源是大概样品的温度变化[1，2]，它是通过在改变支配水吸收光谱由于氢键的量的变化。在这里，我们表明，使用适当的前处理法中，温度引起的光谱变型中，它主要是在基线噪声的形式，可以有效地抑制。示于图5-2是蒸馏水在各种温度的差光谱差异。例如，实线表示的吸水率差异谱78where a是吸收幅度作为波长A的函数，TCOMP是传输组件的光谱，Trej是参照样品的透射光谱，一个是样品吸收系数，c是浓度，f是辐射的路径长度通过样品。TREF是一般成分的缓冲液的透射光谱解决方案。例如，在含水葡萄糖测量的情况下，传输水频谱通常被用作温度Tref。然而，对于葡萄糖的实际目的浓度的预测，用来生产Trej组件并不重要，因为什么问题是光谱变化AA级。事实上，在我们所有的实验测量，Trej的简直就是一个常数。然而，往往只使用缓冲区作为参照，我们才能够看到该组件定性特征。
5.2光谱预处理
光谱这里预处理指的原始吸收处理光谱的（A）的前一个多元算法的校准和预测中的应用。该此预处理步骤的主要目的是消除或抑制基线的影响噪声通常被样品，仪器，和/或环境的变化而引起的。通常情况下，它也被设计以除去检测器及其电子器件的高频噪声。
5.2。光谱预处理
在27度和31度C（水，在27度的吸收光谱减去水在31度的吸收光谱）。顶部图显示了未加工的光谱，和底部图显示了处理前的光谱。预处理方法是一个一阶谱的分化和二阶多项式的组合适合作为我们将描述秒。5.2.6。在顶部和底部的数字比较光谱，我们可以看到，在光谱的变化的幅度是由三个数量抑制的在下面的2315纳米的窗口大小。
图5-2：在不同温度下重复用水谱差谱。上图：生吸收光谱。底部：使用分化的组合过滤光谱和多项式拟合技术。实线：4度变更，短虚线：6度杂物- 化，长虚线：8度变更
在经皮，在体内测量，基线噪声的主要来源是组织散射- ING。光谱变化是由于组织的散射特性已经讨论了在CH。2.它显示在本文的工作，这样的变化可以有效地移除通过适当的预处理技术的应用。使用相同的预加工技术，其所述一个用于抑制温度的影响的（一个组合一阶谱的分化和二阶多项式FIT），有效的抑制实现，如将要证实在Ch 9。
5.2.2多项式拟合
在一个多项式拟合方法中，原始吸收光谱araw（A）的第一个安装有一个
多项式函数fpolv（A），它是等于其中CO，CI，...是
常数。该常数通过最小化残差确定：
其中n等于频谱单元的总数。用户确定的顺序
多项式，一般是通过的频谱噪声的一些知识相结合
特性和试验和错误。
的“过滤”或处理前吸收光谱是然后之间的差
原始吸收光谱和所述嵌合多项式：
在本文的工作，所述多项式拟合光谱预处理方法已被发现
非常有效地去除涉及非散射测量的基线噪声
样品。例如，一个三阶多项式拟合用在一个很好的结果用于
实验涉及合成生物学的解决方案，在ch6。
5.2.3光谱分化
顾名思义，该方法包括测量的原始吸收衍生物谱：
其中n是分化的顺序。例如，对于一个二阶导数
谱，n等于2，一种光谱衍生物方法往往比一个更强大的
多项式拟合，因为它不查明特定基准形状。然而，频谱
衍生物的方法倾向于降低SNR通过增强高频噪声。因此，它们
通常用于以“平滑”的方法，以补偿SNR恶化
5.2。光谱预处理
在这项工作中使用的光谱系统，光谱分化已发现
是非常有效。当样品散射效应都存在，特别地，它是
用最有效的方法。
5.2.4傅里叶滤波
光谱预处理的另一种常见的方法被称为傅里叶滤波，这涉及
傅立叶变换的原始频谱数据，施加一定的过滤器功能（高斯，
低通，高通等），并取逆傅立叶变换以获得经过滤的
谱。该过程示意性示于图。5-3。
光谱预处理
它沿着光谱从一端到另一移动。该窗口可以取
形式的各种功能，例如矩形，高斯，或三角形的。这里的想法是
通过这代表了他们的“平均”值的单个数据替换几个相邻的数据点。因此，如果噪声是随机的，将得到的光谱会比原来的更平滑。其缺点是，该光谱分辨率会降低。降解增加该平均窗的宽度。本文的工作，这种平滑技术时使用的频谱分化为了补偿信噪比的减小固有分化进行方法。使用的窗口是矩形窗口平均四个数据点（矢量1,1,1,1）。
5.2.6选择预加工方法
光谱预处理肯定是在近红外光谱丰富而重要的课题。怎么样-以往，似乎有没有硬性规定，以确定要使用哪个预处理技术，和最好的方法是经常反复试验，结合的一些物理知识
噪音的特点。本文的工作，重复的光谱之间的差光谱（复制相同的样品的光谱）经常被用来在预的选择，以帮助使用的加工方法。一种有效的方法会导致不同的光谱接近零。差谱的幅值通常与幅度相比生理性血糖谱。例如，假定一个2毫米路径长度样品，1毫米的葡萄糖变化将引起4×10-5 AU。如果预处理方法，能够抑制差谱的幅度，以低于，它被认为是一种有效的方法。
作为一个例子，让我们回过来看基线噪音抑制的温度- 如前所述引起的变化。如图。5-2，第一阶的组合分化和二阶多项式拟合抑制基线噪声幅度来小于4×10 AU甚至对于大的8度-C的变异。鉴于这种噪声特性，我们可以说，这样的前处理方法是有效的足够。让我们比较这使用三阶单独多项式拟合。使用相同的原始吸收光谱，所述得到的滤波光谱显示在图5-4。在这种情况下，前处理方法82For此方法是有效的，噪声“频率”或光谱带宽需求为比所关心的吸收特征的带宽显著不同。于此外，一般工作得更好在周期性信号具有大量的数据点。虽然这种方法已被证明是由傅立叶光谱得到相当有效的变换光谱仪[2，3，4，5，61，未发现它是比任何优越多项式拟合或光谱鉴别方法。主要的原因是最有可能的事实，即由滤波器光谱仪获得的数据点的数量相对较低和光谱窗口较窄，间2100和2300纳米。
5.2.5平滑
通过平滑，我们试图减少高频噪声由于检测器的电子和其他的随机噪声源。在这项工作中，一个运动的窗口平均法已认为是有效的。它涉及到卷积频谱具有一定小“窗口”，
5.2。光谱预处理被认为不足以作为所产生的噪音过滤比4×10-5 AU大得多- 的1-毫米的葡萄糖在2 mm光程吸收幅度。
图5-4：水的吸收光谱的差异光谱以变化的温度。过滤频谱使用单独的多项式拟合方法。实线：4度变更，短虚线行：6度的变化，长虚线：8度变更。
选择的方法：
由于其坚固性和有效性，预处理方法组合第一代
为了分化和二阶多项式拟合用于所有的测量
涉及血浆和组织样品。还采用了移动窗口平均法
以补偿信噪比降低由于分化。这说明示意图
该过程示于图。5-5。框图下方的曲线
是吸收
曲线在谱预处理算法的不同阶段所指示
由垂直
箭。
注意，该算法是由施加到每两个频谱窗口中（得到
两个过滤器）分开。因此，2100纳米和2200 NMN之间的光谱窗口是
分开独立处理从光谱窗口2200 nm和2300之间
纳米，相同的算法。这样做是因为频谱不连续，通常是本
围绕两个滤波器的过渡波长区域。这种不连续性的示例
5.3。多元技术的校准和预测
可以看出，在图8.1。基线校正算法的企图以校正
不需要频谱不连续性，并有可能减少抑制其有效性
相关基线噪音。
图5-5：光谱预处理方法原理图和说明，以抑制基准的变化。
5.3多元技术的校准和预测
本节旨在提供一些多元校正的简要概述（和预文辞）方法在本文工作中使用。这并不意味着提供一个完整的审查或的方法或一般的主题，为优秀的章节中许多“化疗分析Metrics的教科书一直致力于为这样的讨论。这种教科书的例子是参考文献[7]。多变量的方法通常需要在数量近红外光谱。这是因为吸收光谱是相对宽的，更不利的，重叠的，这使直接峰到峰值分析困难的，如果不是不可能的。不幸的是，这也是适用于血糖测量，我们可以在图看到。2.8示出的重叠主要血液成分的光谱。在这项工作中，3多变量方法已经被研究并用于：古典5.3。多元技术的校准和预测最小二乘（CLS），偏最小二乘（PLS）和混合线性分析（HLA）。面前我们讨论这些技术，让我们首先定义中使用的变量和矩阵整个讨论。首先，矩阵A是指测量amxn矩阵样品的光谱，其中，m是样本的数目，且n是频谱单元的数目
例如，在一个人血浆实验涉及的30次测量的情况下样品A是30 XN矩阵，用含有所测量的频谱单元的每一行血浆样品。C是AMX1基质含有样品的浓度值，其中1表示的单一元素：
例如，在一个五分量样的情况下，C是AMX5矩阵，每行
含有五个组分的浓度在特定的样品溶液。
K是将含有纯成分谱在单位浓度1倍n的矩阵和
单位路径长度：
5.3。多元技术的校准和预测
因此，比尔- 朗伯在这多组分法，多样品的情况下变为：
A = CK。
5.3.1古典最小二乘
CLS的方法是直接申请啤酒兰伯特定律模型，其中AB-的
吸收光谱在每个波长元件是成正比的组分浓度。于校准步骤中，我们试图确定IK，从纯组分谱模式多组分校准样品A的光谱：RK =（的Ct?CTA检查（5.6）在预测步骤中，我们力求找到包含我的成分浓度矢量一个新的预测样本的浓度值：
E =（K T）
1
嘉，（5.7）
其中，a是表示预测样品的吸收光谱的向量。
此方法要求所有干扰成分是已知的，并在包括
校准。这意味着，他们的浓度值需要也是已知的（'C'类
矩阵）。这是该方法的进行的实际测量值的主要缺点
血糖，因为它是难以知道存在于血液中的所有可能的干扰和
组织，以及测量它们的浓度。
而不是使用的嵌合基于校准过程如等式描述。（5.6），在
5.3。多元技术的校准和预测
其中，纯分量矩阵是由“接头”被测样品基质得到，
纯组分光谱可以单独确定。例如，纯
可通过测定牛血清白蛋白的水溶液中获得的蛋白组分光谱
并从测量葡萄糖水溶液中的葡萄糖光谱。这些独立
纯组分光谱然后可用于构建纯组分矩阵K.这样，
校准模型由实际物理组件光谱，而不是
从经验拟合得到。这通常确保了校准模型是
的更高的质量和鲁棒性。在通道。6，我们描述了涉及合成的实验使用这种方法的生物样品。
5.3.2偏最小二乘
所述PLS法是最常用的技术在近红外spectrsocopy领域，
包括近红外血糖检测。与PLS方法，只有感兴趣的组件
需要是已知的。这意味着在血糖测量，仅葡萄糖参考
浓度需要测量和校准期间使用。该方法将
自动考虑而不需要背景或干扰变化
用户指定什么干扰成分。这一特点使它成为一个更
实用的方法比CLS方法。
在PLS，C和K矩阵方程。（5.5）被T代替和B矩阵分别为：
A = TB（5.8）
其中T是amxh矩阵，B是ahxn矩阵。而不是使用纯组分
光谱为基础的载体，所述PLS算法使用加载向量（B的列），它
是彼此正交的。从某种意义上说，它会创建一个新的坐标系。号码加载向量h的是由用户确定的，根据所需要的模型复杂
或所希望的。经t矩阵组成的强度（或分数）的
装载体，
很像C是组成基本光谱的强度。虽然内容
的T不再浓度本身，它们仍然线性相关的浓度。
文献[8]提出优异的描述和PLS算法的详细信息，并亲
志愿组织比较与CLS和主成分分析（PCA）的方法。该
875.3.1古典最小二乘
CLS的方法是直接申请啤酒兰伯特定律模型，其中AB-的sorbance在每个波长元件是成正比的组分浓度。于
校准步骤中，我们试图确定IK，从纯组分谱模式
多组分校准样品A的光谱：
RK =（的Ct?CTA检查（5.6）
在预测步骤中，我们力求找到包含我的成分浓度矢量
一个新的预测样本的浓度值：
E =（K T）
1
嘉，（5.7）
其中，a是表示预测样品的吸收光谱的向量。
此方法要求所有干扰成分是已知的，并在包括
校准。这意味着，他们的浓度值需要也是已知的（'C'类
矩阵）。这是该方法的进行的实际测量值的主要缺点
血糖，因为它是难以知道存在于血液中的所有可能的干扰和
组织，以及测量它们的浓度。
而不是使用的嵌合基于校准过程如等式描述。（5.6），在
5.3。多元技术的校准和预测
还提供完整的校准和预测算法。一个例子MATLAB
所述PLS法的程序示于附录A的读者可参考引用
[8]用于该算法的一个步骤一步解释。
与PLS方法中，葡萄糖校准模型只能由所获得的
最小二乘所测量的多组分光谱A.本的嵌合被认为是
不利的，因为有建设一个错误的葡萄糖校准潜力
模型可能是由于次要因素。这些次要因素可能是一些
仪器，环境和/或生理变异发生关联与
血糖浓度，这表现在阿诺德等。人。[9]。
5.3.3混合线性分析
背后的HLA方法的开发和利用的主要动机是，我们将
想利用的PLS的执行单组分分析能力，同时
利用已知的血糖谱。因此，虽然其型号为干扰
建立隐式最小二乘法拟合，葡萄糖是仿照明确使用的实际或
物理血糖谱分别获得。因此，质量和的真实性
葡萄糖校正模型得到保证。该技术提出了Berger等。人。
[10]，并应用于使用拉曼光谱对葡萄糖的测量。它被称为混合
方法，因为它结合了两种不同的方法在构建校准模型：
葡萄糖和背景干扰的隐建模显式建模。人物
5-6示出校准过程，其进一步在下面详细说明的
段落。
5.3。多元技术的校准和预测
该方法由下列步骤组成：
1.测量葡萄糖股份公司（一个1 XN矢量）的高质量的光谱。这是可以做到通过测量高度浓缩的含水葡萄糖溶液与长采集时间，
减去水吸收光谱，和缩放它代表一个“单位”浓度
化和光程。需要注意的是股份公司应该是处理前的频谱，不受基线
噪声。
2.从样品谱矩阵A除去葡萄糖的光谱贡献，
这样就产生葡萄糖，免费样品的光谱矩阵AGF：
AGF = A - cgag，（5.9）
其中的cg是AMX 1载体含有样品的葡萄糖浓度值，
由基准仪器测定的。
3.计算Ag的主要部件。这个步骤类似于的代
正交基谱伏的基质的主要部件构成为已完成在
主成分分析（PCA）[7,11]。V是anxp矩阵，其中p是数
主成分使用时，作为由用户选择。
从股份公司4.减去其突起上的每一个在V矢量，留下的残余
光谱*：
9 *
A * = AG - agVtV。（5.10）
此残余频谱a *为实际上股份公司的，不能由所述建模的部
中所含的干扰五换言之主成分的光谱，a *为
股份公司的一部分，这是正交给V.
5.规格化一个*，使之成为合适的葡萄糖校准矢量b：
B = A * /（阿加*）。（5.11）
所述HLA方法的一例MATLAB程序见附录B.
载体中的*产生等式。（5.10）被称为分量净分析物信号。这项
向量作为评价葡萄糖信号和的“专一”的重要工具
89Figure 5-6：HLA的方法的校准过程。仅用于说明目的。见
文字细节。
5.4。摘要
检测限，这将在详细的章讨论。7。
通过下文中的描述的人血浆和动物组织对葡萄糖的预测
论文中，HLA方法将被证明是一种强大的技术。由于
实际葡萄糖频谱本身被用作葡萄糖校准矢量，它将消除
构建和使用对应于次要因素错误葡萄糖模型的风险。于
此外，葡萄糖变化不需要出现在构建校准模型。这会
减少在校准期间使用的样本的所需数目，以及复杂性
的校准过程。例如，与PLS方法中，需要将仪器
而血糖的变化很大，以建立一个可靠的葡萄糖进行校准
模型，例如在一个实际临床环境的情况下的口服葡萄糖测试期间。这是在
除了需要对背景的变化。另一方面，与HLA方法，
血糖变化是没有必要的。只需要在后台变化
建立校正模型。
5.4摘要
光谱数据处理主要由预处理步骤和一个多变量校准
化/预测步骤。本章首先提供了流行的预处理的概述
的方法。结合的第一阶微分和一个二阶的方法polyno-
MIAL拟合被发现是最健壮和有效地抑制所述样本变化
影响。这是用在涉及人类血浆和动物组织的后续实验。
本章还介绍了几种流行的线性多元校正/预测甲
消耗臭氧层物质，其中包括PCA，PLS和HLA方法。HLA的方法是特定的
本文工作的兴趣，这将是显而易见的通道。图8和9的，因为它使得能够使用公知的
物理血糖谱，同时含蓄地模拟背景干扰。
一 机器启动 光谱仪启动时注意事项： （1）光谱仪两次开机之间至少应相隔20min ，以防频繁启动烧毁内部元器件 （2）光谱仪背面有5个开关，开机时按照编号1~5依次按下，两开关按下之间应相隔20s 左右。关机时，按照编号5~1依次按下。 图 光谱仪开关 （3）打开氩气阀，使气压保持在0.2~0.4MPa 之间 （4）维持瓶内气压在2~3MPa 以上，若气压低于该值，则应更换新的氩气 二 登陆 1、开机 开机用户名：arlservice 密码：369852147 2、进入OXSAS 系统 账号：（1）!SERVICE! 密码：ENGINEER （2）！MANAGER ！ 密码：无 （3）！USER ！ 密码：无 通常使用“MANAGER ”权限即可 3、检查仪器状态 快捷键F7进入仪器状态检查界面： Electronic HUPS Mains Vacuum Water 权限：由高到低
VACUUM：真空度 SPTEMP：真空室温度 MAINS：电源电压 NEG-LKV：-1000V电源 POS.5V：+5V电源 POS.12V：+12V电源 NEG.12V：-12V电源 POS.24V：+24V电源 NEG.100V：-100V电压 三数据备份及数据恢复 数据备份及恢复分为软件内部操作、软件外部操作。 1、数据备份 （1）软件内部备份：操作页面中选择“脱机模式”，待页面变灰后点击“备份数据”按钮，输入相应的文件名（例如：20101019OXSAS_DB.BAK）以防止将先前数据覆盖，然后点击备份即可。 （2）软件外部备份：退出OXSAS操作系统，进入其相应的数据备份及恢复程序“OXSAS Full Backup Restore”，然后选择“备份数据库”按钮下的“备份”选项即可（系统自动选择路径并生成相应文件名）。 2、数据恢复 （1）软件内部恢复：操作页面中选择“脱机模式”，待页面变灰后点击“恢复数据库”按钮，选择之前备份的数据库，恢复即可。 （2）软件外部恢复：退出OXSAS操作系统，进入其相应的数据备份及恢复程序 “OXSAS Full Backup Restore”，然后点击“恢复数据库”按钮，选择相应数据库，点击“RESTORE”即可。
渤海SVC 光谱数据处理 2009.9.9 一．基本原理 水体遥感反射率的计算公式为： /(0)rs w d R L E += 其中，水面入射辐照度比(0)d E +又为： (0)*/d p p E L πρ+= p L 为标准板的反射信号； p ρ为标准板的反射率。 而水面以上水体信号组成可表示为公式： *u w f sky wc g L L L L L ρ=+++ 其中：u L 代表传感器接收到的总信号； w L 是进入水体的光被水体散射回来后进入传感器的离水辐射率，是我们需要得到的量。 f ρ为菲涅尔反射系数， 平静水面可取r=0.022,在5m/s 左右风速的情况下, r 可取0.025, 10m/s 左右风速的情况下, 取0.026—0.028（唐军武，2004）。 s k y L 是天空光信号，通过实地测量得到； wc L 是来自水面白帽的信号、g L 是来自太阳耀斑的信号。这两部分信号不携带任何水体信息，在测量过程中通过采用特定的观测几何来避免和去除。 具体可参考《环境遥感模型与应用》 二．处理流程： 1.生成moc 文件：将测量得到的原始光谱XXX.sig 文件通过overlap 处理后得到去除传感器间重复波段影响后的平滑光谱曲线： ①安装运行SVC-HR1024软件，选择tools —SIG file overlap ，在browser 中选择要处理的.sig 文件； ②点击process all files 进行处理，生成的moc 文件自动保存在与.sig 同一个文件夹下面。 数据储存：为每一天新建一个以日期命名的文件夹，根据这一天所测的站点数，建立以相应点号命名的子文件夹以储存各点位测得的光谱数据(包括原始.sig 和生成的_moc.sig 文件) 2.制作.meta 文件：根据原始观测记录在.meta 文件中写入对应的水体测量（No_water_files ）、天空光测量（No_sky_files ）、灰板测量光谱曲线（No_plaq_files ）及灰板反射率的文件储存路径信息，以辅助反射率的计算。
遥感影像预处理 预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。 本小节包括以下内容： ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 图1数据预处理一般流程
各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 （一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征：
1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。 （2）建立几何校正模型 地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS） 根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。 （3）图像重采样
光谱仪操作规程 一、实验室条件： 1、实验室要求温度控制在16--30摄氏度之间；开启设备 之前应首先将实验室温度升起。 2、实验室相对湿度要求控制在30—70%。 3、实验室应保持清洁，无灰尘、震动。 4、试样要求厚度超过1mm，覆盖面积控制在15-50mm，测 试面必须光滑。用40-80目砂轮或铣床制作，制作后不能用手或水清理，可以用钢丝刷进行清理。 二、开关机、操作注意事项：（操作必须顺序进行） 1、先检查各部位是否正常： （1）、检查循环水位是否正常，控制在总高度的1/3处，最高不超过总高度4/5. （2）、检查真空泵油位是否正常。 （3）、检查氩气是否充足。 2、开机： （1）、打开稳压器电源开关 （2）、打开光谱仪主电源开关即MAINS 16A.(1#) （3）、打开真空泵电源开关即VACUUMPUMP(2) (4）、打开水泵电源开关即 WATERPUMP(3) (5)、打开电子板电源开关即ELECTRONICS(4) (6)、打开负高压电源开关即HVPS(5)
（7）、打开电脑，用户名输入ARL回车进入，选择程序进入即可，再点登陆用户名输入U（一般操作）或M（管理员，可以更改程序）回车进入；查看设备状态，看数据是否控制在范围内。(所有数据必须没有大于或小于号)一般开机后4至5小时后才能使用。 （8）、打开氩气，压力表控制在0.35MPA，如果氩气净化机需再生时将压力表调至0.5MPA。（现在的表指针+0.35）先用净化机的II塔（按净化机的指示旋转手柄到指定位置） 3、关机： （1）、正常关机按开机的反顺序操作，必须按步骤关机。（2）、遇到突然停电时应先关闭光谱仪主电源开关，防止突然来电损坏设备。（禁忌设备用电急停急送） 4、程序操作： （1）、每天第一次应先做标准样测试：先登录程序OX SAS，选择管理员用户名进入界面。点‘测量类型标准样’点‘任务’再点‘TS’，点‘方法’再点‘FELAST’，‘类型标准’点方法中以创建的方法，再创建名称即可。将标准样放于‘激发台’开始打样，连续打三点点击完成。（如45#、35#类型标准样）看测试的数据相对数据小于5%即可。 （2）、点‘定量分析’开始对工作中试样进行打样，打样后点击完成。 三、维护与保养：
高光谱数据处理基本流 程 The document was finally revised on 2021
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库
ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理：
光谱仪操作方法 1、首先打开氩气瓶阀门，再把压力表调压阀调至压力大约为0.5pa； 2、打开仪器电源开关，此时会显示“3.5EO”，只要是后边位数显示“0”都可 以，证明真空已抽完，否则要抽真空一会； 3、待确认显示“0”后，按下绿色电源按钮，一个是“检测”、一个是“光源”。 （关机时与上述相反）； 4、打开电脑桌面“光谱仪分析程序”，点选“合金钢”后按确认； 5、选用一个没用的样品放入仪器火花口，点选电脑光谱分析程序里面的“测量” 菜单选项； 6、然后点光谱分析程序中的“显示选择”点选“强度”，如：出现60000（6万） 左右数值代表样品已激发；（注：按“测量”菜单看FeR，FeR（铁）一般接近80000（8万）强度值）； 7、待确认试样已激发后，关闭退出“光谱仪分析程序”软件； 8、然后，打开电脑桌面中的“光谱仪描迹”程序软件，点击“条件设置”、再 点击“读电机位置”，此时会显示“4460”位置，在对话框中设置起始位置数减去150的值输入到起始位置中; 9、按“复位到原点”选确认，把样品T10放入仪器火花口，按“开始”选项， 待激发完成后方可选通道6；（刚开始预定电机的起始点4500，终止点4800（直接输入）； 10、对照软件屏幕显示出的波形图，看最高点数值，比如：4600话，再从新 选择“条件设置”选项，然后再选“复位到原点选项（4600）”再点选“指定的起始位置”，再点选“读电机位置”选项；此时，看弹出的显示值是否一致，一致后点“OK”退出，关闭“描迹软件”； 11、从新打开“光谱仪分析程序”点“标准化”菜单，此时，系统默认“C25” 按“是”确认； 12、然后放入“C25”试样到仪器火花口，点选软件中的“测量”菜单，待测 量完成后，从新拿出试样换一个点位放好做第2次的“测量”（因一个试样至少测2个点位）注：进行第2次测量不需要设置，直接按“测量”完成；13、当完成第2次测量后，点“平均+偏差”菜单选项，此时，电脑屏幕会弹
北京揽宇方圆信息技术有限公司热线：4006019091 遥感影像数据预处理 影像融合不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的极 化方式。单一传感器获取的影像信息量有限，往往难以满足应用需要， 通过影像融合可以从不同的遥感影像中获得更多的有用信息，补充单一 传感器的不足。全色图影像一般具有较高空间分辨率，多光谱影像光谱 信息较丰富。为提高多光谱影像的空间分辨率，可以将全色影像融合进 多光谱图像，通过融合既提高多光谱影像空间分辨率，又保留其多光谱 特性。对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段， 从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融 合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息， 从而达到影像地图信息丰富、视觉效果好、质量高的目的。 影像匀色相邻的遥感图像，由于成像日期、季节、天气、环境等因素可能有差异， 不仅存在几何畸变问题，而且还存在辐射水平差异导致同名地物在相 邻图像上的色彩亮度值不一致。如不进行色调调整就把这种图像镶嵌起 来，即使几何配准的精度很高，重叠区复合得很好，但镶嵌后两边的影 像色调差异明显，接缝线十分突出，既不美观，也影响对地物影像与专 业信息的分析与识别，降低应用效果。要求镶嵌完的数据色调基本无差 异，美观。遥感影像匀色后保证影像整体色彩一致性。 影像镶嵌将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像，通 过镶嵌处理，可以获得更大范围的地面图像。参与镶嵌的图像可以是不 同时间同一传感器获取的，也可以是不同时间不同传感器获取的图像， 但同时要求镶嵌的图像之间要有一定的重叠度。 影像去云雾影像数据常常有云雾覆盖，针对有云雾覆盖的影像，可以通过后期技术 处理去除薄云雾，达到影像最佳效果。 影像纠正依据控制点，利用相应软件模块对数据进行几何精校正，这一步骤包括 利用地面控制点（GCPs）找出实际地形，计算配准中控制点的误差，利 用DEM消除地形起伏引起的位移，然后对图像进行重采样等。形成符合 某种地图投影或图形表达要求的新影像。 即插即用无使用门槛，可与各类GIS软件系统无缝衔接 第 1 页
遥感讲座——遥感影像预处理 据预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。下面是预处理中比较常见的流程。 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 （一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准
影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征： 1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。 （2）建立几何校正模型 地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS）根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。 （3）图像重采样 重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。常用的内插方法包括： 1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原来的像元值，简单，处理速度快。但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。 2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。 3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。 一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构损坏较大。后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有的几何结构，如道路网、水系、地物边界等。
【实验数据处理部分】 一．由实验测得的数据可以得到以下几个谱图： 1.苯蒸气的紫外吸收光谱： 左图中，苯的K吸 收带大约在214nm处， B吸收带在256nm左右。 并且，苯蒸气的精细结 构（主要指苯分子的振 动能级）清晰可见。 另外，由于滴加到 比色皿中的苯过多导致 浓度偏大，A值偏大。 （超过了1.0）。 2.不同取代基对苯的紫外吸收带的影响： （1）、苯甲酸与苯乙烯： 左图中，①②标示的 是苯蒸气的K带和B带； ③表示的是苯甲酸的K 吸收带；而④⑤表示的是 苯乙烯的E2带和K带。 （其中为了使谱图便于 比对，将苯蒸气的吸光度 值成比例地缩小了一定 的数值。） 读图可知： 与苯比较，羧基(吸 电子基)取代的苯环，其K 吸收带发生了红移，B吸 收带也有一定程度的红 移，但强度变弱了； 而对于苯乙烯，由于乙烯基双键的存在，增大了苯环的共轭体系，使得价电子跃迁所需要的能量变低，因而发生了很大程度的红移，E2带和K带分别红移至210nm和245nm处。 (2)、苯酚和苯胺：
图中，①②标示的是 苯蒸气的K带和B带； ③④表示的是苯酚的K 吸收带和B吸收带；而 ⑤⑥⑦则表示苯胺的E2 带、K带和B带。 读图可知： 苯酚的E2吸收带与 K吸收带合并了，原因是 酚羟基的助色作用使得 吸收带发生红移，同样 地，与苯相比，苯酚的B 吸收带也发生了红移； 苯胺的氮原子上含 有孤对电子，也和酚羟基一样具有助色效应，因此苯胺的各个吸收带也发生了一定程度的红移（相比较于苯而言）。 二、溶液性质对取代苯紫外吸收的影响： 1.苯酚与其碱性溶液： 图中：①②③分别标 示的是苯酚在碱性溶液 中的E2吸收带、K吸收 带和B吸收带的大致位 置；而④⑤则分别标示苯 酚在中性溶液中的K吸 收带和B吸收带的位置。 读图可知： 由于碱性溶液中的 酚羟基以氧负离子形式 存在，使得酚羟基的助色 作用大大增强，因而苯环 的吸收带均发生较大的 红移。 例如：原本在苯酚的 紫外吸收图谱中未能读出的E1、E2吸收带，此时可以大致从图中读出；另外，碱性溶液中，苯酚的K带红移至245nm左右，B带红移至290nm左右。 苯酚在碱性溶液中的变化见下图：
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱
来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理： 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）
FieldSpec Pro FR光谱仪操作基本过程 1，光谱仪、计算机充电 光谱仪电量不足时红灯闪亮，充满电后绿灯亮；如果黄灯闪亮则说明过热。 需等待一段时间后继续充电。 2，安装适当的镜头或其他附件（如GPS、余弦接受器等），准备好白板。 3，打开光谱仪电源，然后打开计算机电源，并启动RS3软件。 4，在软件上选择相应的镜头并调整光谱平均、暗电流平均和白板采集平均次数。 Control/ adjust configuration 5，在软件中选择或填写需要存储数据的路径、名称和其他内容。Control/spectrum save。 6，开始测量 7，反射率测量 7.1 镜头对准白板，点击OPT优化（注意：白板必须充满镜头视场。工作过程中特别是开始工作的前半个小时内每隔一定时间做一次优化并且注意每个三五分钟采集一次暗电流）。 7.2 镜头仍然对准白板，点击WR采集参比光谱。此时，软件自动进入反射率测量状态。 7.3 镜头移向被测目标，按空格键存储采集到的目标反射光谱。 8，绝对反射比测量 8.1 在Control/Adjust configuration菜单下选择Absolute reflectance 8.2 下面的步骤与反射率测量相同。 9，辐射照度测量(Radiance) a.镜头对准白板或照明目标点击OPT图标进行优化，优化后点击RAD图标进 入绝对测量状态 b.镜头对准目标 c.按空格键存储目标光谱（或者自动存储） 10, 辐射亮度测量(Irradiance) 10.1 镜头对准天空或者地面，点击OPT优化仪器参数； 10.2 点击RAD直接进入辐射亮度测量状态； 10.3按空格键存储目标光谱（或者自动存储）
高光谱遥感图像预处理 实验指导书 指导教师：赵泉华
一、实习目的 通过高光谱遥感图像预处理的学习，使学生在课堂教学及实验课教学的基础上进一步将理论与实践相结合，消化和理解课堂所学理论知识，达到初步掌握利用ENVI等软件预处理高光谱遥感图像，并熟悉高光谱遥感图像预处理流程与方法的目的。 二、实习方式 学生自学指导书为主，指导教师讲授为辅； 利用计算机，结合相应遥感图像及ENVI软件的具体操作进行。 三、练习数据 机载高光谱AVIRIS数据。 四、实习内容与要求 掌握高光谱遥感图像预处理的理论与方法，利用ENVI中FLAASH大气校正工具和快速大气校正工具对高光谱数据进行大气校正及快速大气校正。
实验一、高光谱FLAASH数据大气校正 实验目的：通过实验操作，掌握高光谱遥感图像FLAASH数据的大气校正的基本方法和步骤，深刻理解遥感图像大气校正的意义。 实验内容：ENVI软件中高光谱图像预处理模块下的图像大气校正。 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气校正。辐射校正一般由数据提供商完成。太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。 操作步骤： 1.打开文件 File→Open→CupriteAVIRISSubset.dat→打开。 2. FLAASH Atmospheric Correction Module Input Parameters设置 在Toolbox 中打开FLAASH 工具Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction→双击启动→进入FLAASH Atmospheric Correction Module Input Parameters 面板。 图1-1 FLAASH Atmospheric Correction Module Input Parameters 面板 （1）Input Radiance Image：点击Input Radiance Image→选择CupriteAVIRISSubset.dat 文件→在打开的Radiance Scale Factors 面板中，选择默认Read array of scale factors (1 per band) from ASCII file→OK→在对话框中选择AVIRIS11_gain.txt 文件→打开→在Input ASCII File 对话框中，将Scale Column改为1→OK；
光谱仪原理 光谱仪采用的发射光谱原理，发射光谱(OES)是一项用于检查和定量分析材料中组成元素的技术。 OES 利用每个元素都有其特有的院子结构的事实。当吸收到附加的能量时，每个元素发出特有波长的光，或颜色。因为没有两个元素有相同的光谱线。所以元素能够被分辨出来。 发射光谱线的亮度与对应的元素在油样重的数量成正比，这样可以确定元素的浓度。在通常情况下，激发之前，每个元素的电子以它的最低能量被传递给油液或燃料，导致样品汽化。原子中的电子吸收能力并暂时被迫离开其元素核而达到一较高的、不稳定的运行轨道。在达到此不稳定状态后，电子释放所吸收的能量并返回基态或稳定状态。所释放的能量是一特定值，与受激原子内电子跃迁时的能量变化值相对应。能量以光的形式发出，次光线有一固定的频率或波长(频率与波长成反比)，其由电子跃迁时的能量决定。由于有些复杂原子的许多不同电子可能会有多种不同的能量跃迁，所以会发出许多不同波长的光线。这些光谱线唯一对应于某种元素的原子结构。光谱线的强度正比于样品中被测元素的浓度。 如果在样品中存在不止一种元素，则对应每个元素将分别会出现明显不同波长的光谱线。为了辨别和定量分析在样品中出现的元素，必须分开这些谱线。通常在许多可能的选择中只有一条光谱线被选来决定某一元素的浓度。被选谱线一般亮度较大，并能免受其他元素光谱线的干扰。为了实现这个目的，需要一套光学系统。所有的发射光谱分析仪系统都由三个主要部分组成。它们是1)激发源，2)光学系统，3)读出系统。 光谱仪使用步骤 一 机器启动 光谱仪启动时注意事项： （1）光谱仪两次开机之间至少应相隔20min ，以防频繁启动烧毁内部元器件 （2）光谱仪背面有5个开关，开机时按照编号1~5依次按下，两开关按下之间应相隔20s 左右。关机时，按照编号5~1依次按下。 图 光谱仪开关 （3）打开氩气阀，使气压保持在0.2~0.4MPa 之间 （4）维持瓶内气压在2~3MPa 以上，若气压低于该值，则应更换新的氩气 4 Electronic HUPS Mains Vacuum Water
一、数据预处理 （1）中心化变换 （2）归一化处理 （3）正规化处理 （4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth） （6）导数处理（Derivative） （7）多元散射校正（Multiplicative Scatter Correction,MSC） （8）正交信号校正（OSC） 二、特征的提取与压缩 （1）主成分分析（PCA） （2）马氏距离 三、模式识别（定性分类） （1）基于fisher意义下的线性判别分析（LDA） （2）K-最邻近法（KNN） （3）模型分类方法（SIMCA） （4）支持向量机（SVM） （5）自适应boosting方法（Adaboost） 四、回归分析（定量分析） （1）主成分回归（PCR） （2）偏最小二乘法回归（PLS） （3）支持向量机回归（SVR）
一、数据预处理 （1） 中心化变换 中心化变换的目的是在于改变数据相对于坐标轴的位置。一般都是希望数据集的均值与坐标轴的原点重合。若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算： u ik k x x x =- ，其中k x 是n 个样本的均值。 (2) 归一化处理 归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。其公式为： 'ik x = 归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。 （3）正规化处理 正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。 min() 'max()min() ik ik k k x xk x x x -= - 该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。但这种方法对界外值很敏感，若存在界外值，则处理后的所有数据近乎相等。 （4） 标准化处理（SNV ）也称标准正态变量校正 该处理能去除由单位不同所引起的不引人注意的权重，但这种方法对界外点不像区间正规化那样的敏感。标准化处理也称方差归一化。它是将原始数据集各个元素减去该元素所在列的元素的均值再除以该列元素的标准差。 ';ik k ik k k x x x S S -==
光谱处理流程 第一步：剔除异常光谱，对每个点光谱取平均。方法如下： 1、在Setup中选择文件存放的路径，加载所有文件后，选择Process->Statistics->Mean。生成一个*.mn文件。 2、选中*.mn文件，选择Process->AscII Export->ok.输出平均文件的txt格式文件。对于光谱数据有跳跃的，可用Splice Correlation 进行修正，可生成*.sco文件，再转成txt文件。第二步：准备光谱其他形式数据： 反射率一阶导、 反射率二阶微分、 反射率倒数的对数、 反射率倒数对数的一阶微分、 反射率倒数对数的二阶微分。 以上数据的制备均能在ViewSpecpro 软件中实现，这里就不详细介绍了。 第三步：光谱平滑，在ENVI中使用smooth（s1,5）函数，进行9点加权移动平均法平均。具体步骤如下：（求得的反射率数据已经是经过辐射校正过的，因此可免去与白板数据做比值） 1、在ENVI中打开光谱数据，选择Spectral Math.在弹出的对话框中填写函数
第四步：光谱数据包络线去除：将光谱原始反射率与保罗先反射率做比值，得到去除包络线的结果（貌似ENVI 里边的函数是得到的是包络线去除后的效果）。 第五步：平滑后的光谱曲线，如有必要应去除水汽吸收波段光谱数据，去除水汽影像的光谱后，即可进行相关分析处理。相关分析的处理采用自己编写的程序进行。 第六步：寻找相关因子。提取光谱特征参数： 600nm 原始光谱； 600-800有机质吸收峰 600-800nm 一阶、二阶微分最大值光谱波段 570-590nm 一阶微分光谱平均值 包络线去除后XX 波段的吸收深度、吸收宽度、吸收面积 各种类型光谱相关系数最大的波段 第七步：逐步线性回归方法对可选因子进行回归分析。分析工具可使用Excell 或者SPSS 最后：1、检验模型 2、找到合适的影像数据，按照模型，提取有机物含量。 选择OK 后，在新出现的对 话框选择需要平滑的光谱即 可。记得保存哦！！Save as ASCII 文件。
光谱预处理方法的作用与目的 光谱预处理的方法有很多，应结合实际情况合理选取最好的预处理方法。 1.均值中心化（mean centering）：增加样品光谱之间的差异，从而提高模型的 稳健性和预测能力。 2.标准化（autoscaling）：该方法给光谱中所有变量相同的权重，在对低浓度 成分建立模型时特别适用。 3.归一化（normalization）：常用于微小光程差异引起的光谱变化。 4.平滑去噪算法（smoothing）：是消除噪声最常用的一种方法。其效果与选择 的串口数有关，窗口数太大，容易失真；窗口数过小，效果不佳。 5.导数（derivative）：可有效的消除基线和其他背景的干扰，分别重叠峰，提 高分辨率和灵敏度。 6.标准正太变换（SNV）：主要用来消除固体颗粒大小、表面散射以及光程变 化对漫反射光谱的影响。去趋势算法常用在SNV处理后的光谱，用来消除南反射光谱的基线漂移。 7.多元散射校正（msc）：作用于SNV 差不多，主要是消除颗粒分布不均匀及 颗粒大小产生的散射影响，在固体漫反射和浆状物透射和反射光谱中运用比较多。 8.傅里叶变换（FT）：能够实现时域和频域之间的转换。仪器的噪声相对于信 息信号而言，其振幅更小，频率更高，故舍去高频率的部分信号可以消除大部分光谱噪声，使信号更加平滑，利用低频信号，通过傅里叶反变换，对原始光谱数据重构，达到去除噪声的目的。 9.小波变换（WT）：将信号转变成一系列的小波函数的叠加，这些小波函数都 是由一个母小波函数经过平移和尺度伸缩得到，小波变换在时域和频域同时具有良好的局部化性质，他可以对高频成分采用逐步精细化的时域或空间域取代步长，从而达到聚焦到对象的任意细节。
1、连接设备以及电源，需注意电源一定要有地线。（如无地线可能会造成静电，影响设备的使用以 及造成电路板的损坏，最好是独立地线，要求零地电压越小越好，最好小于4V。） 2、连接氩气，氩气的纯度要求必须在99.999%以上。当设备在使用的时候氩气的压强需保持在0.35 ——0.4兆帕。不宜太高或太低，压强太低会造成设备无法正常的激发，太高可能会把设备损坏。 开机之前先开氩气再开设备，关机时先关设备再关氩气。（关机建议通过电脑关，不要直接按绿色开关关闭设备） 3、打开设备（按住绿色的按钮直到设备开机后松开）进入到桌面后点击应用程序Waslab-3的图标进 入主界面。 4、点击“Analysis”中文即“成份分析”之后会选择相对应的曲线，根据所测试的材料不同选择不同 的曲线。比如FE-100即是低碳合金钢、FE-300即为不绣钢曲线，其他曲线在这里不做具体的说明。 FE—000是“引导曲线’即为当你不知道是什么材质的情况下选择它，这条曲线能够帮助使用者快速的判断材质以便于更好的去选择曲线，比如当你不知道一块样品属于什么材质的时候选择FE-000激发后设备会根据数据自动跳转相对应的曲线。 5、选择曲线后进入界面，首先需要点击“mode”中进行设备的吹扫“Flush UV-touch需吹扫半个小 时左右，如吹扫不充分的情况下就使用可能会导致C、P、S等数据不准确。 6、点击“New”即给样品或者产品命名，以便于更好的区分和存储。吹扫时间足够后就可以激发产品 了，如果不进行标样的类型校准直接测试产品即为盲测，盲测的数据可能会误差偏大一些，只有在没有标样的情况下建议可以使用盲测。如果在有标样的情况下，在测试产品之前最好做一下类型校准。具体类型校准的操作流程下面会说到。 7、做完类型校准后就可以直接测试产品，在测试产品之前需要对产品的表面进行处理，需要用角磨 机进行样品表面打磨，打磨的效果越好则测试的数据越准确。打磨样品要求样品表面干净、平整、打磨后的纹路最好能够一致也就是纹路都朝一个方向。如果样品表面不能被破坏，建议不要测试，样品表面不能有污渍、不能直接用手去触摸打磨好的样品表面。 8、进行产品测试，按住激发枪上的激发开关不松开直到测量结束时松开，测量产品时建议最好测量 2—3次看平均值，这样得到数据会更准确些。测试每一一次之后建议可以看下激发斑点，如果斑点不正常则数据一定不正常，斑点最好的情况是中间有灼烧的痕迹边上有黑圈。下面会说到造成激发斑点发白的一些常见问题。测试好之后点击“Stroe”即为存储。如果有测试不正常的数据可以删除掉，点击“Del”即为删除的意思。“Print”即为打印的意思。
最常见的近红外光谱的预处理技术的综述 smund Rinnan，Frans van den Berg，S?ren Balling Engelsen 摘要：预处理在近红外(NIR)光谱数据处理化学计量学建模中已经成为不可分割的一部分。预处理的目的是消除光谱中物理现象在为了提高后续多元回归、分类模型或探索性分析。最广泛使用的预处理技术可以分为两类：散射校正方法和光谱间隔方法。综述和比较了算法的基础理论和当前的预处理方法以及定性和定量的后果的应用程序。其目的是提供更好的NIR 最终模型的建立，在此我们通过对光谱的预处理基本知识进行梳理。 关键词：乘法散射校正；近红外光谱法；标准化；诺里斯威廉姆斯推导；预处理；Savitzky-Golay 平滑；散射校正；光谱导数;标准正态变量；综述 1.引言 目前为止，没有能够优化数据来进行代替，但是经过适当的数据收集和处理将会起到优化效果，对光谱数据进行预处理是最重要的一步(例如最优化之前叠层建模)，常用的方法有主成分分析(PCA)和偏最小二乘法(PLS)。在大量的文献中，多变量光谱应用食品、饲料和医药分析，比较不同的预处理的结果研究模型的预测结果是不可分割的组成部分。近红外反射/透射率(NIR / NIT)光谱的光谱技术，到目前为止最多被使用的和最大的多样性在预处理技术，主要是由于入非线性光散射的光谱可以引起显著影响。由于类似规模的波长的电磁辐射和粒子大小的近红外光谱在生物样品，近红外光谱技术是一种不被广泛使用是由于存在散射效应(包括基线转变和非线性)，这将会影响样品光谱的结果的记录。然而，通过应用合适的预处理，可以很大程度上消除这些影响。 在应用研究中，比较了几乎完全不同的定标模型(定量描述符和相应关系)。几乎没有出现评估的差异和相似性的报道。替代技术即修正的含义(例如，谱描述符数据)在研究中很少被讨论。本文旨在讨论建立了预处理方法对近红外光谱和模型之间的关系，更具体地说，这些技术都是对应独立的响应变量，所以我们只讨论方法，不需要一个响应值。我们同时关注预处理工艺理论方面的和实际效果，这种方法适用于近红外光谱/ NIT光谱。 对固体样品，干扰系统的差异主要是因为光散射的不同和有效路径长度的不同。这些不受欢迎的变化常常构成了样本集的总变异的主要部分，可以观察到得转变基线(乘法效应)和其他现象称为非线性。一般来说，近红外光谱反射率测量的一个示例将测量普及性的反映和镜面反射辐射(镜面反射)。镜面反射通常由仪表设计和几何的采样最小化，因为它们不含任何化学信息。这个diffusively反射的光，这反映在广泛的方向，是信息的主要来源在近红外光谱。然而，diffusively反射光将包含信息的化学成分不仅示例(吸收)而且结构(散射)。主要的形式的光散射(不包括能量转移与样品)瑞利和洛伦兹米氏。两者都是过程中电磁辐射是分散的(例如，通过小粒子，泡沫，表面粗糙度，水滴，晶体缺陷，microorganelles、细胞、纤维和密度波动)。 当粒子尺寸大于波长，因为通常情况下，NIR光谱，是主要的洛仑兹米氏散射。相比之下，瑞利散射，是各向异性，洛伦兹米氏散射依赖的形状散射粒子和不强烈波长依赖性。 对生物样品，散射特性是过于复杂，所以软或自适应补偿，光谱预处理技术，正如我们近红外光谱在本文中进行讨论，要求删除散射从纯粹的、理想的吸收光谱。 显然，预处理不能纠正镜面反射率(直接散射)，自谱不包含任何精细结构。光谱主要由镜面反射率应该总是被移除之前为离群值多元数据分析，因为他们仍将是局外人，甚至在预处理。图1显示了一组13好蔗糖和样品不同粒径加一坏蔗糖的例子展示如何(极端)镜面反射率表现比正常的光谱。 图1还演示了总体布局的大多数数据在本文中。上部的图，一个条形图显示了主成分得分值第一主成分(PC)后的样本集数据意味着定心[1]。下面部分显示预处理效果的数据集(或