一,、測(cè)試原理及方法：
高光譜成像技術(shù)是近二十年來發(fā)展起來的基于非常多窄波段的影像數(shù)據(jù)技術(shù),，其突出的應(yīng)用是遙感探測(cè)領(lǐng)域，并在越來越多的民用領(lǐng)域有著更大的應(yīng)用前景,。它集中了光學(xué),、光電子學(xué)、電子學(xué),、信息處理,、計(jì)算機(jī)科學(xué)等領(lǐng)域的先進(jìn)技術(shù)，是傳統(tǒng)的二維成像技術(shù)和光譜技術(shù)有機(jī)的結(jié)合在一起的一門新興技術(shù),。
高光譜成像技術(shù)的定義是在多光譜成像的基礎(chǔ)上,，在從紫外到近紅外（200 -2500nm）的光譜范圍內(nèi)，利用成像光譜儀,，在光譜覆蓋范圍內(nèi)的數(shù)十或數(shù)百條光譜波段對(duì)目標(biāo)物體連續(xù)成像,。在獲得物體空間特征成像的同時(shí)，也獲得了被測(cè)物體的光譜信息,。
目標(biāo)物體-成像物鏡-入射狹縫-準(zhǔn)直透鏡-PGP-聚焦透鏡-CCD棱鏡-光柵-棱鏡：PGP
圖1 成像原理圖
光譜儀的光譜分辨率由狹縫的寬度和光學(xué)光譜儀產(chǎn)生的線性色散確定,。最小光譜分辨率是由光學(xué)系統(tǒng)的成像性能確定的（點(diǎn)擴(kuò)展大小）,。
成像過程為：每次成一條線上的像后（X方向）,，在檢測(cè)系統(tǒng)輸送帶前進(jìn)的過程中，排列的探測(cè)器掃出一條帶狀軌跡從而完成縱向掃描（Y方向）,。綜合橫縱掃描信息就可以得到樣品的三維高光譜圖像數(shù)據(jù),。
圖2 像立方體
圖3 Gaia Field高光譜成像儀
高光譜儀配置：鏡頭：22mm鍍膜消色差鏡頭；光譜范圍：400nm-1000nm,，光譜分辨率: [email protected]（@400-1000nm）,，像面尺寸（光譜x空間）：6.15 x 14.2 mm，相對(duì)孔徑：F/2.4,，狹縫長(zhǎng)度14.2 mm. 內(nèi)置控制,、掃描機(jī)構(gòu)；內(nèi)置電池,；
SpecView軟件：控制完成自動(dòng)曝光,、自動(dòng)對(duì)焦,、自動(dòng)掃描速度匹配；數(shù)據(jù)處理：黑白,、輻射度,、均勻性、鏡頭等校準(zhǔn),；光譜查看,。
GaiaField便攜式高光譜系統(tǒng)是雙利合譜自行研制的超便攜式高光譜成像儀器。它的核心由三部分構(gòu)成,，分別是：多維運(yùn)動(dòng)控制器,，光譜相機(jī)和成像光譜儀。使用此系統(tǒng)進(jìn)行掃描,，在獲得目標(biāo)影像信息的基礎(chǔ)上,，還可以獲得數(shù)百甚至上千波段的光譜信息。
GaiaField系統(tǒng)有著輕便靈活,，續(xù)航能力出色的特點(diǎn),。廣泛適用于，目標(biāo)識(shí)別,、偽裝與反偽裝等軍事領(lǐng)域,，地面物體與水體遙測(cè)、現(xiàn)代精細(xì)農(nóng)業(yè)等生態(tài)環(huán)境監(jiān)測(cè)領(lǐng)域,，以及刑偵,、文物保護(hù)、生物醫(yī)學(xué)等領(lǐng)域,。
覆蓋可見光與近紅外全波段可提供超過700個(gè)光譜通道,，可自由選擇GaiaField便攜式高光譜系統(tǒng)采用了高分辨率的成像光譜儀。在可見光波段,，光譜分辨率高達(dá)3nm,，即使在短波紅外波段也能達(dá)到10nm。因而全波段內(nèi)可以獲得超過700個(gè)的光譜通道,，更多的光譜通道意味著更多的信息,，有助于研究人員通過對(duì)連續(xù)光譜的分析、反演,，獲得更多的高價(jià)值數(shù)據(jù)細(xì)節(jié),。
圖4 高光譜成像儀采集的影像效果圖
軟硬件功能：
輔助攝像頭功能
通過輔助攝像頭觀察目標(biāo)拍攝區(qū)域
當(dāng)前狹縫位置指示
選擇自動(dòng)曝光與自動(dòng)調(diào)焦區(qū)域，直觀方便,，僅需鼠標(biāo)即可完成操作,。
.jpg)
圖 5 輔助攝像頭觀察目標(biāo)拍攝區(qū)域
自動(dòng)掃描速度匹配、自動(dòng)曝光：
自動(dòng)曝光：根據(jù)當(dāng)前光照環(huán)境，進(jìn)行曝光測(cè)試,，獲得精準(zhǔn)的曝光時(shí)間,。在得到最佳信噪比的同時(shí)，又可避免過度曝光造成數(shù)據(jù)作廢,。同時(shí)軟件具有實(shí)時(shí)過度曝光監(jiān)視功能。
自動(dòng)掃描速度匹配：根據(jù)當(dāng)前的曝光時(shí)間等參數(shù),，進(jìn)行測(cè)試拍攝,，得到實(shí)時(shí)幀速，進(jìn)而計(jì)算出合適的掃描速度,。從而避免了掃描圖像的變形（拉伸或壓縮）,。
.jpg)
圖6 采集數(shù)據(jù)自動(dòng)曝光、速度匹配
二,、數(shù)據(jù)分析：
本文以江蘇雙利合譜科技有限公司自行拍攝的高光譜人臉數(shù)據(jù)為研究對(duì)象,，利用江蘇雙利合譜科技有限公司的高光譜成像儀GaiaField（光譜范圍400 nm - 1000 nm）采集測(cè)試對(duì)象的高光譜數(shù)據(jù)，以分析人臉上黑痣的分布情況,。圖7為人臉拍攝的現(xiàn)場(chǎng)圖片,。
圖 7 基于成像高光技術(shù)人臉拍攝的現(xiàn)場(chǎng)
對(duì)成像高光譜儀拍攝的人臉原始影像數(shù)據(jù)進(jìn)行數(shù)據(jù)的預(yù)處理，預(yù)處理過程主要包括兩部分,。第一部分是輻射定標(biāo),；第二部分為噪聲去除。
首先進(jìn)行輻射定標(biāo),。輻射定標(biāo)的計(jì)算公式如1所示,。
(1)
其中，Reftarget為目標(biāo)物的反射率,，Refpanel為標(biāo)準(zhǔn)參考板的反射率,，DNtarget為原始影像中目標(biāo)物的的數(shù)值，DNpanel為原始影像中標(biāo)準(zhǔn)參考板的數(shù)值,，DNdark為成像光譜儀系統(tǒng)誤差,。
其次是噪聲去除，本文運(yùn)用國(guó)外較為常用的最小噪聲分離方法(Minimum Noise Fraction Rotation,， MNF)進(jìn)行噪聲去除,。最小噪聲分離工具用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲,，減少隨后處理中的計(jì)算需求量,。MNF本質(zhì)上是兩次層疊的主成分變換。第一次變換（基于估計(jì)的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲,，這步操作使變換后的噪聲數(shù)據(jù)只有最小的方差且沒有波段間的相關(guān),。第二步是對(duì)噪聲白化數(shù)據(jù)（Noise-whitened）的標(biāo)準(zhǔn)主成分變換。為了進(jìn)一步進(jìn)行波譜處理，通過檢查最終特征值和相關(guān)圖像來判定數(shù)據(jù)的內(nèi)在維數(shù),。數(shù)據(jù)空間可被分為兩部分：一部分與較大特征值和相對(duì)應(yīng)的特征圖像相關(guān),，其余部分與近似相同的特征值以及噪聲占主導(dǎo)地位的圖像相關(guān)。由于此次采集的高光譜影像沒有白板校正,，因此數(shù)據(jù)預(yù)處理的第一步輻射定標(biāo)沒有進(jìn)行分析處理,，直接作MNF降噪分析。圖8為MNF降噪前后的成像高光譜數(shù)據(jù)中DN值的變化,。
.jpg)
圖7 MNF變換前(左)后(右)高光譜影像DN值的變化
由于本研究的高光譜影像數(shù)據(jù)在采集過程中無白板數(shù)據(jù)作為參考,。圖8分別為高光譜人臉上白眼珠、黑眼珠,、黑痣,、皮膚、頭發(fā),、嘴唇的DN值變化規(guī)律,。從圖8可知，除350-450 nm范圍內(nèi),，嘴唇與黑痣的DN值變化曲線及其相似外,，在450-1000 nm范圍內(nèi)，黑痣的DN值變化規(guī)律有白眼珠,、黑眼珠,、皮膚、頭發(fā),、嘴唇均不相同,，這說明黑痣的光譜反射率也異于白眼珠、黑眼珠,、皮膚,、頭發(fā)、嘴唇,。
圖8 人臉上各目標(biāo)物在350-1000 nm范圍內(nèi)的DN值變化
利用SpecView軟件的Analysis-Animate功能,，能快速地瀏覽高光譜影像各波段的灰度信息變化，本研究通過快速瀏覽人臉的高光譜影像的各波段灰度信息變化可知,，在不同波段范圍內(nèi),，圖像中不同目標(biāo)物的顯示效果并不相同，有些目標(biāo)物只有在特定的波長(zhǎng)即特征波長(zhǎng)才顯示出來,。圖9分別列舉了400 nm,、640 nm和800 nm的灰度圖。從圖9可知,，400 nm和800 nm處,，人臉上的黑痣幾乎無法用肉眼識(shí)別出來,，而在640 nm處，臉上的黑痣能隱約看到,，但效果并不明顯,。
.jpg)
圖9 人臉在400 nm、640 nm和800 nm的灰度圖
在本研究中,，由于人臉在不同波長(zhǎng)下成像,，得到幾百景人臉圖像，且在不同的波長(zhǎng)下人臉的灰度圖像顯示效果并不同,，有的圖像清晰,，有的圖像模糊，還有些基本上看不見,。如果用計(jì)算機(jī)處理，會(huì)因?yàn)閳D像信息量太大而難以處理,，浪費(fèi)時(shí)間過多,。所以，需要經(jīng)過主成分分析法篩選出特征圖像,。主成分分析（Principal Component Analysis, PCA）的作用是去除波段之間的多余信息,、將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個(gè)轉(zhuǎn)換波段下。圖10分別展示了人臉經(jīng)主成分變換后的15個(gè)主成分圖像,，從圖10可知,，前2個(gè)主成分雖然包含了較多信息，且圖像較為清晰,，但黑痣的顯示效果并不理想,。從圖10中我們可以發(fā)現(xiàn)，第4,、6和10主成分能較為清晰地人臉黑痣的分布情況,。
.jpg)
.jpg)
圖10 人臉經(jīng)主成分變換后的前15個(gè)主成分
經(jīng)主成分變換后，各主成分間相關(guān)性較小且包含較多的圖像信息,，因此可以通過波段間的組合更清晰地識(shí)別各目標(biāo)物,。圖11為原始圖像的真彩色合成及各主成分變換的假彩色合成。從圖11可知,，PCA假彩色合成,，并不是主成分越靠前，其合成圖中各目標(biāo)物顯示就越清晰,，而是根據(jù)在各主成分中較為清晰地識(shí)別目標(biāo)物的主成分進(jìn)行彩色合成,。根據(jù)圖10可知，第4,、6和10主成分能較為清晰地人臉黑痣的分布情況,，因此運(yùn)用4、6和10三個(gè)主成分構(gòu)建的假彩色合成能較為清晰識(shí)別人臉黑痣的分布范圍。
圖11 人臉經(jīng)主成分變換后的前15個(gè)主成分
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
會(huì)員.png)
8
立即詢價(jià)
您提交后，專屬客服將第一時(shí)間為您服務(wù)