针对生理信号非接触识别压力的研究是情感计算的一项重要内容,而基于高光谱技术提取的人脸血氧含量可用于压力的非接触识别。高光谱图像在包含丰富信息的同时,其庞大的数据量、众多的波段、相邻波段极强的相关性等也给压力识别的实时处理带来了很大的困难,解决这个问题的关键就是减少高光谱图像的波段数量,波段选择是最为常用的波段降维方式,故本文在基于高光谱技术提取的人脸血氧含量用于压力识别的基础上,针对高光谱图像的波段选择算法进行研究。主要工作如下:(1)提出了一种改进的基于多头绒泡菌模型的高光谱图像波段选择算法。多头绒泡菌模型能够解决最短路径问题,该问题与高光谱波段选择中寻找最小冗余波段组合的问题相似。本文将多头绒泡菌算法应用到高光谱波段选择中,通过绒泡菌网络自组织、自优化的特性对波段进行选择。此外,为了实现波段的自动选择,提出了基于互信息的非均匀子空间划分方式,同时采用了最佳指数倒数作为适应函数参与波段选择。实验结果表明使用非均匀划分子空间方式比传统的均匀划分方式的效果更好,采用最佳指数倒数这种适应函数选择的波段效果比采用传统的相关性好,使用多头绒泡菌算法选择的波段组合的压力识别效果接近于全部波段,证明了算法的有效性。(2)提出结合线性预测与禁忌搜索的高光谱图像波段选择算法。结合压力状态下的人脸高光谱数据,将线性预测获取的较优组合作为禁忌搜索的初始解,以压力的分类准确率作为适应函数,利用禁忌搜索算法优化波段组合使之具有更高的压力分类准确率。实验结果表明结合禁忌搜索算法选择的波段对压力的识别更精确,证明了算法的有效性。(3)设计心理压力诱发实验,获取了25名普通大学生的面部高光谱图像数据,包括心理压力和平静状态。此外,对采集的数据进行预处理,提出了一种基于血氧直方图的端元自动提取方法,将该方法产生的样本光谱曲线数据用于波段选择;采用了最小噪声分离法去除高光谱数据中的噪声,实验结果表明去噪后的数据比未去噪数据产生的面部血氧图更清晰,更利于波段选择后的压力识别。本文利用采集的高光谱数据对提出的两种算法做了验证。通过验证分析表明,本文提出的两种波段算法在保持压力识别准确率的情况下,能够大量的减少波段数量,对基于高光谱技术的压力识别来说是有效的波段选择方法。