高光譜成像和多光譜成像技術
高光譜成像和多光譜成像技術
高光譜成像 (HSI) 和多光譜成像 (MSI) 是兩種相關技術，它們利用專門的視覺系統，除可見光外，還從電磁頻譜的擴展區域獲取更多的圖像資訊 (圖1)。
圖 1：可見波長只是整個電磁頻譜的一小部分，高光譜成像(HSI)和多光譜成像(MSI)利用額外的波長收集更多資訊。
這些技術雖然相似，但略有不同，對各自的應用空間很有用。儘管這些技術提供了出色的圖像資訊，但所使用的系統在光源，濾波器和光學設計方面要複雜得多。
成像技術
典型的機器視覺系統僅使用可見光帶 (400至700 nm) 中的光線，大多數機器視覺傳感器的光譜靈敏度峰值約為550 nm。傳感器的靈敏度由量子效率曲線提供，該曲線描述將特定波長的光子轉換為特定傳感器的電信號的效率。但是，當標準硅傳感器進入紫外線和紅外波長時，其量子效率會降低 (圖2)。
圖 2：RGB攝影機的量子效率曲線顯示紅色，綠色和藍色靈敏度之間的重疊。
高光譜和多光譜成像技術使用專門的成像鏡頭和機器視覺傳感器收集有關物體和環境的詳細資訊，比標準視覺系統大得多。這些專用傳感器的製造成本要高得多，因為它們是由不同於硅的基材材料製成的。砷化鎵 (INAS)，砷化鎵 (GaAs) 和砷化鎵 (InGaAs) 等材料用於波長達2600nm的成像。 諸如汞鎘 (MCT或Hg CD Te)，銻化銦(InSb)焦平面陣列，砷鎵焦平面陣列和千分尺輻射計等材料用於近紅外和中波紅外波段的成像。這些特殊傳感器需要更大的像素尺寸和精確校準，以獲得所需的靈敏度和解析度。1
儘管這些傳感器由特殊材料製成，但其功能幾乎與傳統機器視覺傳感器相同，幾乎沒有引起注意。機器視覺攝像頭傳感器從輸出灰度陣列構建2D圖像，這些圖像通常用於按分類，測量或定位對對象進行表徵。如果沒有光學濾波器或拜耳模式 (RGB) 濾波器來限制進入像素的光線波長，傳統傳感器就無法區分光線的波長。2它由視覺軟體使用相鄰像素及其周圍波長的資訊構建。在高頻譜 (HS) 圖像中，像素捕獲有關坐標位置(像素網格內)和信號強度的所有相同資訊。但是，先前傳統圖像的二維灰陣列變成了三維陣列 (或立方體)，其中波長是附加維度 (圖2)。
圖 3：多光譜(MS)成像與高光譜(HS)成像之間的區別在於波長資訊是以離散還是連續的方式單獨呈現。
如上面的圖3所示，將收集傳感器陣列中每個像素的波長資訊。多光譜 (MS) 成像與高光譜 (HS) 成像之間的區別在於波長資訊的呈現方式。多光譜成像將波長資訊分組為離散頻帶，而高光譜成像則由連續頻帶表示。因此，這些技術幾乎與高光譜成像相同，波長解析度高於多光譜成像。這就是這兩種技術在不同環境中具有各自優勢的原因。高光譜成像最適合對連續頻譜上信號微妙差異敏感的應用。取樣較大頻帶的多光譜系統可能會忽略這些細微差異。選擇性抑制和捕獲某些波段覆蓋其他波段對高光譜成像有益，因為處理較少的波長意味著總處理時間較短。
獲取波長資訊的主要方法有四種，每種模式都有其優缺點。Whiskbroom方法是一種點掃描過程，一次獲取一個空間坐標的頻譜資訊，提供最高水平的頻譜解析度，但需要掃描X和Y軸上的目標區域。這會大大增加整體採集時間。1 推掃器方法是一種線掃描方法，一次捕獲和掃描一個像素，直到獲得整個區域。採用這種方法的系統可以緊湊，輕便且易於操作。但是，準確的曝光時間對於此方法至關重要。不正確的曝光時間可能會在某些頻譜帶中產生不正確飽和度的圖像。平面掃描方法掃描整個2D區域，並使用多個圖像捕獲來創建頻譜深度。此採集方法不需要傳感器或系統的平移，但關鍵在於對象不能在採集過程中移動。第四種也是最近開發的採集方法是單一照射或快照方法。此方法在積分期間捕獲和收集整個頻譜數據立方體。這種方法對未來的高光譜成像有希望，但受到空間解析度較低的限制，因此需要加以開發。1
圖 4：四種擷取模式(A)點掃描，觸鬚掃瞄模式和(B)線掃描，推掃瞄模式。 (C)平面掃描，即區域掃描模式和(D)單激發模式。
應用領域
高光譜成像和多光譜成像越來越多地用於不同的空間應用，包括無人駕駛飛行器和衛星對地球表面進行遙感和航空成像。HSI和MSI攝影可以穿透地球的大氣層和雲層，提供無障礙的地面視野。這種成像是監測人口變化，觀察地質活動和研究考古遺址的理想手段。此外，還利用高光譜成像和多光譜成像技術監測和研究與毀林，生態系統退化，碳循環和不穩定天氣系統有關的環境模式。研究人員能夠利用成像數據創建全球生態學預測模型，這有助於應對氣候變化和人類對自然的影響。3
藉助於高光譜成像和多光譜成像信息，醫師可以無創地掃描皮膚以檢測細胞異常，包括癌症。這是因為有些波長可以穿透皮膚的深度比其他波長更深。使用這種成像技術，醫生不再需要根據病人的症狀描述推斷病人的狀況。此外，這些成像系統自動記錄和解釋頻譜數據，加快診斷速度，縮短診斷和治療之間的時間。 以獲得更好的效果。4
從高光譜和多光譜成像中受益的其他行業包括農業，食品質量和安全以及藥品。5 農民能夠使用安裝在無人機和拖拉機上的光譜成像系統掃描大片農田，分析作物生長，植物健康，土壤條件 使用農藥等化學品以及存在有害的傳染性或活性感染。有了這些數據，農民就可以優化空間利用，最大限度地提高產量。如圖5 和 影片1所示， 這些技術在確定天然森林的健康狀況方面同樣有用。
圖 5：這些是流經森林的溪流的圖像。最左邊的圖像是標準彩色圖像。中間圖像僅由可見頻譜以外的紅外波長創建。第三幅圖像是根據前兩幅圖像的波長資訊創建的假彩色圖像，可用於識別樹的執行狀況以及是否存在任何人造物體。
參考文獻：
1. Hyperspectral Imaging: A Review on UAV-Based Sensors, Data Processing and Applications for Agriculture and Forestry.
2. Schelkanova, I., et al. “Early Optical Diagnosis of Pressure Ulcers.” Biophotonics for Medical Applications, 2015, pp. 347–375., doi:10.1016/b978-0-85709-662-3.00013-0.
3. Unninayar, S., and L. Olsen. “Monitoring, Observations, and Remote Sensing – Global Dimensions.” Encyclopedia of Ecology, 2008, pp. 2425–2446., doi:10.1016/b978-008045405-4.00749-7.
4. Schneider, Armin, and Hubertus Feußner. Biomedical Engineering in Gastrointestinal Surgery. Academic Press, 2017.
5. Imaging in Dermatology, 2016; Chapter 16 – Hyperspectral and Multispectral Imaging in Dermatology.