拉曼光谱成像数据存在基线漂移与宇宙射线干扰峰两类噪声信号,无法直接用于光谱分析研究,必须去除。现有单光谱去噪方法处理结果不稳定、可重复性差。针对这一问题,本研究提出了一种自适应拉曼光谱成像数据新型去噪法,采用优化的自适应迭代惩罚最小二乘法(Adaptive iteratively reweighted penalized least-squares,air PLS)和基于主成分分析(PCA)的干扰峰消除算法修正光谱基线漂移和宇宙射线干扰峰,具有输入参数少、光谱失真小、处理速度快、去噪结果稳定等优点。利用本方法去除了芒草(Miscanthus sinensis)细胞壁拉曼光谱成像数据(9010条光谱)中的噪声信号,并对去噪后数据进行PCA和聚类分析(CA),成功区分非植物光谱与植物光谱,分类结果优于未去噪数据。预期本方法可应用于其它光谱成像数据去噪,为光谱的解译和定量分析提供可靠的研究基础。