一种基于主成分分析的空间外差干涉数据校正方法

(一)本发明涉及的是一种基于主成分分析的空间外差干涉数据校正方法，可对实验获得的掺含多种噪声的干涉数据以及图像的非均匀性进行校正，属于图像处理。

背景技术：

0、(二)背景技术

1、空间外差光谱仪具有体积小，高光通量和高分辨率的特点，对研究大气环境和天文遥感等领域具有重要意义，在实际测量中，空间外差光谱仪通常因为仪器或者环境原因含有部分噪声，需采用适当的算法进行校正处理。

2、主成分分析是一种数据降维技术，可以将线性相关的高维变量分解为线性无关的低维变量，每个低维变量可以体现原始数据的某个特征。对原始光谱数据进行主成分分析后，可以获得原光谱所张成的线性空间的特征值及特征向量，以及每个光谱在特征向量上的投影值。其中，特征向量代表一组新的正交坐标系，投影值代表原始数据在新坐标系下的各分量值，即主成分。特征值λi可以衡量第i个主成分包含的信息量，特征值越大，包含的信息越多。对于含噪光谱数据而言，某一主成分对应的特征值越大，该主成分可以代表目标光谱信息越多。为了直观表示每一个主成分包含的信息量，需计算每个主成分的贡献率ηi。第i个主成分的贡献率可表示为

3、

4、其中l为主成分的个数。

5、将所有主成分和特征值对应的特征向量根据贡献率大小进行排序，提取大于阈值的前j个主成分作为有效信号用于光谱重建，得到目标光谱信号前j个特征向量，表示为重建光谱为

6、

7、其中，为的转置矩阵。

8、本发明在以上背景技术的基础上，提出了一种基于主成分分析的空间外差干涉数据校正方法，通过预处理后提取图像的主成分数据，以贡献率大小为准筛选有用信号、分离噪声信号，实现干涉图的数据校正。

技术实现思路

0、(三)技术实现要素：

1、本发明的目的在于提供一种基于主成分分析的空间外差干涉数据校正方法。

2、为实现上述目的，本发明所采用的技术解决方案如下：

3、数据预处理阶段：实验测得的干涉图中通常含有虚假低频信号，在进行主成分分析前，通过一阶差分算法去除这些直流成分，即进行去基线、切趾等处理。将干涉图每行数据进行提取，获得1024组一维干涉数据，对其进行傅里叶变换，得到1024组光谱数据。

4、进行主成分分析阶段：利用坐标变换将1024组光谱数据进行处理，获得1023个主成分，同时可以得到不同主成分的特征值λi、投影值si及特征向量vi，特征值越大，表明主成分中含有的目标光谱信息越多。此阶段后，可以得到不同主成分的累计贡献率。

5、数据筛选阶段：根据不同的需求合理设置累计贡献率的阈值，将大于该阈值的主成分信息作为有效目标光谱信息，低于该阈值的主成分信息作为噪声信号，此阶段可以将含噪光谱中的光谱成分与噪声成分进行有效的分离。

6、重建光谱阶段：将筛选得到的含有目标光谱信号的主成分信息带入公式(2)获得重建光谱信号，对其进行傅里叶逆变换可以获得校正后的干涉图。

7、经过验证，该方法在保留原有干涉图信息的基础上，对于单色光和复色光的噪声均有良好的去除效果，同时该方法还可以进一步去除图像数据中剩余的基线影响，获得良好的校正结果。

技术特征：

1.一种基于主成分分析的空间外差干涉数据校正方法，其特征在于，包括如下步骤：

2.如权利要求1所述的关于对原始干涉图的预处理，其特征在于，在所述步骤s1中，采用一定方式高效地去除直流成分的影响，包括：对原始干涉图采用一阶差分算法进行处理，并进行傅里叶变换。

3.如权利要求1所述的关于空间外差干涉数据的校正方法，其特征在于，在所述步骤s2中，在光谱图中分离并提取有效信号，去除其余噪声信息，包括：对光谱图采用主成分分析法进行处理。

4.如权利要求1所述的关于空间外差干涉数据的校正方法，其特征在于，在所述步骤s3中，分析并适当选取有效主成分信息，经实验验证，当将贡献率阈值设置为2％时，获得最好的校正效果，此值可以根据不同的实验需求修改。

技术总结本发明提出了一种基于主成分分析的空间外差干涉数据校正方法。利用空间外差光谱仪获取某待校正物质的干涉图样后，首先，对每行数据采用一阶差分法进行预处理，去除基线影响。然后对预处理后的数据进行傅里叶变换得到光谱数据，并进行主成分分析，通过计算多个相互正交的主成分及每个主成分的贡献率，将贡献率小于2％的主成分数据作为噪声扣除，剩下的主成分作为有效光谱数据进行光谱重建。最后，经过傅里叶逆变换获得校正后的干涉图。该方法对单色光和复色光照射下的干涉图像都有明显去噪效果，使光谱更平滑清晰，特征峰更凸显，同时显著改善非均匀性和信噪比。技术研发人员：田孟艳,吕彤霄,王祯,王新强受保护的技术使用者：桂林电子科技大学技术研发日：技术公布日：2024/7/29