高光谱技术是集合大量不同光谱的图像于一体的先进技术，由于波长范围广进而可以获得大量信息，在上世纪就有了大量的研究和一定程度的发展，这也一定程度上推动了图像处理技术的发展，如对焦、标定、配准等。由于近年来计算机技术的飞速发展，图像处理也方便了很多，各种专业的图像处理软件和算法库也层出不穷。SIFT算法是一种传统的图像配准算法，用于无标定设备时的图像配准，主要原理是提取对象的特征点然后匹配。[1,8]所以本文将该算法用于有标定设备的图像配准。

高光谱成像技术综合了计算机成像技术和光谱技术的优势,能够在连续空间内同时获得物体的光谱和图像信息,已经在各行各业有了丰富的应用，如地质、农林、油气勘探和军事等方面，已有相当多的研究。[9-18]

张海斌等在不同光谱的图像配准方向有深入研究，给出了大量的算法。对于高光谱成像设备，基于灰度值、亮度、空间位置和主成分分析的算法是常用的配准方法，但是标定板可以一定程度上提高配准的精度。[2]本文方案采用基于标定的图像配准，因为考虑到摄像设备的标定和对焦，将事先利用棋盘格标定板进行标定，也为后续的配准提供参考点。

通常不同波段获得的图像清晰度差异较大，必须对图像进行配准。汪雪洁等对异分辨率的不同波段图像配准的研究，是重要的参考信息。[3]但是航拍图像距离较远，角度几乎相同，与本研究差异较大。

由于图像采集设备的原因，本研究获取的可见光图像与红外图像视角有较大差异，所以必须采用3D的空间配准。高雪艳等对异分辨率下不同空间角度的图像进行配准，[4]但是偏差较大，本研究使用标定板辅助图像配准。

3d图像刚性配准技术是对本研究帮助最大的技术，该技术具有数据量小，配准速度快等优点，胡葵等开发了仅需采样四个点数据的空间配准方法，[24-25]但本研究对数据量的要求比较宽松，所以考虑增加采样数据来提高精度。

红外光谱是高光谱中应用较多的光谱类型，分为远红外、短波近红外、可见近红外等波段。Krauklis Andrey E等已经将傅里叶红外光谱应用于某些材料的含水率检测方向，[7]故设想食品的含水率与其变质状况和新鲜程度有关，可为本方案后期在食品生产上的应用提供参考。

我设想使用matlab、halcon等软件进行高光谱图像的处理。Matlab作为一个专业的数据分析工具，拓展了许多图像处理方面的模块，如image processing toolbox和computer vision toolbox，在各行业的应用也非常广泛。对于处理高光谱图像这样的大型数据，Rosario-Torres等的团队开发了相关的算法库。[19-23]本团队将其用于传送带上的产品检验，具有快速、便捷的特性，不需要中止被拍摄物在传送带上的运行。邓兵华等对基于matlab的图像配准进行了深入研究，[5]但据悉，matlab中没有对不同空间位置拍摄的图像进行配准的算法，故本研究采用其他软件算法。唐瑞等的论文，采用了opencv库中的findChessboardCorners函数对棋盘格进行了识别，[6]本研究也要使用棋盘格标定板辅助配准，识别棋盘格角点是必须的。

[1]黄海波,李晓玲,熊文怡,聂祥飞.基于SIFT算法的图像配准综述[J].软件导刊,2019,18(01):1-4.