matlab红外光谱预处理，MSC，SG平滑等多种预处理算法，matlab代码

对高光谱数据和多光谱图像数据进行数据预处理，提取光谱曲线，进行目标提取

可以对光谱数据进行预处理，除了偏最小二乘法之外，也有一些其他方法

1.辐射定标 辐射定标是将传感器记录的电压或数字量化值（DN）转换成绝对辐射亮度值（辐射率）的过程，或者转换为与地表（表观）反射率、表面（表观）温度等物理量有关的相对值的处理过程。 辐射定标可分为： 绝对定标 相对定标

目前已有的光谱预处理方法包括很多种，根据预处理的效果可以分为基线校正、散射校正、平滑处理和尺度缩放四类。 每一类又包括多种预处理方法。基线校正包括一阶 导数、二阶导数、连续小波变换等；散射校正包括多元散射校正 、标准正态变量等；平滑处理包括ＳＧ平滑等；尺度缩放包括中心化、 Ｐ ａ ｒｅｔｏ尺度化、最大最小归一化、标准化等。其中，导数处理和ＣＷＴ主要是扣除仪器背景或漂移对信号的影响； ＭＳ Ｃ 和ＳＮＶ用来消除由于颗粒分布不均匀及颗粒大小不同所产生的散射对光谱的影响； ＳＧ平滑能够非常有效的提高谱图信噪比，降低随机噪声的影响；中心化、 Ｐａ ｒｅｔｏ 尺度化、最大最小归一化、标准化可以消除尺度差异过大带来的不良影响。

包含：平滑处理，SNV,MSC,DOSC,DWT,NIRMAF,SAVGOL,NORMALIZ

水分含量多少是煤质好坏的重要指标,在研究煤的基础理论及煤加工中具有特殊意义。本实验采用多元散射矫正(MSC)、平滑处理、微分处理等预处理方法,结合主成分回归法及偏最小二乘法分析了预处理方法对煤粉全水分模型的影响;发现多元散射矫正(MSC)处理结合偏最小二乘法获得的模型最佳,其校正模型R=0.988 1,RMSEC=0.501,预测结果 R=0.955,RMSEC=0.601;发现平滑处理也可以提高模型可靠性,但过度平滑会使模型可靠性变差;综合比较主成分回归法模型与偏最小二乘法模型,发现偏最小二乘法获得的模型要好于主成分回归获得的模型。

光谱数据预处理 超级全 都可以用 自己用的

可以对光谱数据进行预处理，除了偏最小二乘法之外，也有一些其他方法

内有参考文献、matlab编程代码、解释说明 利用近红外光谱技术对某海产品的水分含量进行无损检测。通过420～1023nm近红外光谱采集了266个海产品样本的光谱信息。分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化(Normalize)、数据中心化(Mean centering)、标准化(Autoscales)、移动窗口平滑、Savitzky-Golay卷积平滑法、一阶导数(FD)、二阶导数(SD)等方法对光谱进行预处理，并采用PCA主成分分析 (principal component analysis)结合马氏距离法对近红外校正样品集中的异常样品进行剔除。剔除样本后使用偏最小二乘法(PLS)建立模型对样本进行定量分析。比较各种光谱预处理的方法以及剔除异常值的权重阈值的选取，获取最佳PLS模型便可对待测样本进行水分预测。