英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

高光谱影像分析的现代发展趋势

MUHAMMAD JALEED KHAN1, HAMID SAEED KHAN2 , ADEEL YOUSAF1 ,

KHURRAM KHURSHID1 , AND ASAD ABBAS3

摘要：

在过去的三十年里，高光谱影像的发展取得了巨大的进步，正因为如此，它已经成为民用、环境和军事领域的有效工具。现代传感器技术能够覆盖大面积的地球表面，具有特殊的空间、光谱、和时间分辨率。由于这些特性，高光谱影像已经被有效地应用于许多需要估计复杂表面的物理参数和识别具有不同光谱特征的视觉相似材料遥感应用中。近年来，地面高光谱影像在食品检查、司法科学、医疗手术和诊断以及军事应用中的电子成像研究越来越多。本文综述了高光谱图像分析的基本原理及其现代应用，如食品质量与安全评价、医学诊断与图像引导手术、法医文献检验、国防与国土安全、遥感应用，如精细农业与水资源管理、材料识别与艺术品制图。此外，本文还介绍了最近在深度学习辅助下，利用高光谱影像技术检测可疑文件中伪造文件的研究。本文的研究成果可作为未来高光谱图像分析研究的基础。

索引术语：农业，文件图像，食品质量和安全，高光谱影像，医学影像，遥感。

1. 引言

人类的眼睛只能在有限的电磁光谱范围内看到物体，并且能够根据物体在那么窄的光谱范围内的不同光谱响应区分物体[1]。然而，多光谱成像传感器已经开发出来，能够获得电磁波谱的红外和可见光段图像。这样可以在宽光谱范围内根据其独特的光谱信号识别材料。多光谱成像利用了每种材料都有自己独特的光谱特征的特性。多光谱图像中单像素的光谱提供了有关其组分和材料表面的信息。

自20世纪60年代后期以来，多光谱成像技术正在卫星和航空系统中用于环境和陆地观测遥感[2]。多光谱成像系统利用平行传感器阵列获取少量光谱波段的数据。大多数的多光谱成像系统使用3至6个光谱带，光谱带间隔较大，由可见光至近红外电磁波谱，用于现场观察。然而，如此低的谱带数量是各种材料鉴别的限制因素。近二十年来，高光谱遥感技术的发展使得一次获取数百个光谱波段成为可能。这些高光谱图像的光谱分辨率提高，可以对观测现场的陆地表面和不同材料进行详细检查，这在以前多光谱成像扫描仪的低光谱分辨率情况下是不可能做到的。

高光谱影像(HSI)或成像光谱分析技术是一种光谱感知技术，是通过在广泛的光谱范围内的几个良好的光学波段进行拍照[3]。它最初是在遥感应用的卫星和机载平台上实施的，但是在过去的二十年里，高光谱影像已经应用于许多领域，包括农业和水资源控制[4], [5],军事防御，艺术保护和考古学[6], [7]，医学诊断[8], [9]，犯罪现场细节分析[10], [11]，文件成像[12]，法医学[13]，食品质量控制[14], [15]，矿物制图等[16]。

这篇综述详细介绍了高光谱影像遥感技术的基本原理，讨论了常见的高光谱遥感术语，并强调了高光谱图像在食品质量和安全评估、医疗诊断、精细农业、水资源管理、法医文件检验、艺术品鉴定和国土安全等领域的现代应用。

图1. a)表示为3D立方体的高光谱图像。在空间位置(x，y)给出了谱立方体上的点谱。 (b)RGB图像 (c)从超光谱立方体渲染的灰度图像。

1. 高光谱影像

高光谱图像的特征在于其空间以及光谱分辨率。空间分辨率测量图像像素之间的几何关系，而光谱分辨率则决定图像像素内部随波长的变化。高光谱图像具有两个空间维度(Sx和Sy)和一个光谱维度(S)。高光谱数据在图1中以三维高光谱数据立方体的形式表示，中心使用伪色。还显示了空间位置(x，y)数据立方体上的点光谱，以及由超光谱立方体渲染的RGB图像和灰度图像。立方体的每个切片沿着光谱维度称为波段或通道。表一显示了当前机载和太空卫星成像传感器的空间和光谱分辨率。

表1.为陆地测绘提供数据的现有空间和机载光谱传感器

A. 空间分辨率

空间分辨率可以理解为图像中最小的可辨别细节，它可以被描述为图像中可以区分为图像中一个单独实体的最小物体的度量[17]。在实际情况下，图像的清晰度取决于它的空间分辨率，而不是图像中像素的数量。图像的空间特性取决于成像传感器的视场和高度设计[18]。每个探测器通过一个远程成像传感器捕获地面的一块黑色区域。空间分辨率与斑块大小成反比。补丁的大小越小，可以从观察到的场景中解释的细节就越多。

B．光谱分辨率

光谱分辨率可以用传感器测得的电磁波谱谱带数目和范围来表示。一个成像传感器可能会响应一个很大的频率范围，但如果它获得了少量的光谱波段，则其光谱分辨率仍然较低。相反，如果一个传感器对较小的频率范围很敏感，但是捕捉到大量的光谱波段，由于它能够区分具有相近或类似光谱特征的场景元素，因此具有较高的光谱分辨率[19]。多光谱图像光谱分辨率低，因此无法解析场景中存在的更精细的光谱特征。高光谱影像传感器在许多连续和极细行光谱带的中红外线，近红外线和可见光段的电磁波谱中获取图像。这种类型的高级成像系统基于其独特的光谱特征显示出巨大的材料识别潜力[2]。高光谱图像中单个像素的光谱可以比普通图像提供更多的材料表面信息。

C. 时间分辨率

在高光谱遥感技术中，时间分辨率取决于成像传感器的轨道特性。它通常被设计为传感器平台重新访问并从完全相同的位置获取数据所需的时间。如果同一地点的传感器平台重访频率很高，那么时间分辨率就会很高;如果重访频率很低，那么时间分辨率就会很低[20]。这个过程通常在几天内完成。

D. 理解光谱特征

地球表面的物质以独特的方式吸收、传播和反射来自太阳的电磁辐射。高光谱传感器使我们能够在一个特定范围内测量与材料相互作用的各种类型的电磁能量，从而使我们能够观察地球表面的不同特征和变化。反射率是衡量电磁能量从材料表面反弹回来的量度。它是反射能量与入射能量之比与波长的关系[18]。如果特定波长的所有光入射到物体上，则反射率都为100％。 另一方面，如果特定波长的整个入射光被对象吸收，则反射率为0％。在大多数实际情况下，报告的数值在[0,100]范围内。

在电磁波谱范围内，可以绘制和比较地球表面不同物质的发射值，如土壤、森林、水和矿物质。这些地块被标记为光谱特征或光谱响应曲线[21]。图2展示了地球表面不同物质光谱特征的一般模型。利用这些光谱特征图可以对遥感图像进行分类，因为观测场景中的每一种物质都有其独特的光谱特征。成像传感器的光谱分辨率越高，从光谱特征中提取的分类信息就越多。高光谱传感器比多光谱传感器具有更高的光谱分辨率，因此能够区分场景中更细微的差异。地理学家利用高光谱图像绘制土地和水资源图[16]。它还被用来绘制历史上和活跃的矿区的重金属和其他有害废物的地图。图3比较了绿色植被、干燥裸土和清洁水的光谱响应。可以看出，裸土的反射曲线与绿色植被相比变化较小。这是因为影响土壤反应的因素在一个狭窄的电磁波谱范围内变化。这些因素包括土壤质地、铁、表面粗糙度等矿物质的存在以及土壤中的水分含量[21]。

绿色植被的光谱特征在光谱的可见范围内有盆地，表明植物组织中的色素沉着[18]。叶绿素是绿色植被中的主要光合色素，在红色(670nm)和蓝色(450nm)区域吸收较强，这个区域被称为叶绿素吸收光谱带。当植物受到胁迫使叶绿素生长减少时，在这种情况下，红色(670nm)区域的辐射增加[18]。水的光谱响应具有明显的近红外和远红外光吸收特性。影响水体光谱响应的常见因素是悬浮沉积物和叶绿素水平的增加。在每一种情况下，光谱响应都会发生相应的变化，表明水中存在悬浮沉积物或藻类[22]。

图2.土壤、植被及水质的高光谱影像映射的一般方案

图3.土壤、植被和水的光谱响应曲线

三、高光谱影像的现代应用

高光谱影像越来越多地被用于各种商业、工业和军事用途。在这一部分，我们重点介绍高光谱影像在食品质量和安全、图像引导外科手术和医疗诊断、遥感如精细农业和水资源管理、法医检验如文件伪造检测和艺术品鉴定、国防和国土安全等方面的应用。

1. 食物品质及安全评估

由于对食品高效低成本的需求日益增长，食品工业面临着诸多挑战，如在保证食品质量和安全的同时避免责任问题。食品质量和安全是通过检测食品的各种物理、化学和生物属性来评估的。传统的食品检验方法以目视检验、化学检验和生物检验为主，具有破坏性、耗时、环境不友好等特点。

仪器工程技术和计算机技术的进步使得食品评价更快更有效。基于计算机视觉和机器学习的方法使用彩色图像处理已成功地应用于评估食品的外部属性[23]- [28]。这些方法无法检测食物的内部特性，因为它们缺乏捕获广谱信息的能力。由于食品成分和近红外光谱的密切关系，近红外(NIR)光谱克服了以机器视觉为基础的方法的局限性[29], [30]。然而，由于缺乏能力捕获空间信息，近红外光谱无法帮助检测异质材料[31], [32]。

高光谱图像包含大量的光谱和空间信息，这使得基于HSI的方法非常适合于食品质量和安全的评估[37]。高光谱图像分析已用于识别食品中的缺陷和检测污染物[33]- [36]。

Valenzuela等人[38]利用可见光和红外光(VIR)高光谱影像检测蓝莓的成分和固体含量。预测精度分别为87%和79%。黄等人[39]用VIR高光谱影像测定了苹果的蛋白质含量，达到了82.5%的分类准确率。黄等人[40]使用Grey Level Co-occurrence Matrix(GLCM)和Gabor滤波器测定猪肉中肌肉间的脂肪含量，准确率达到89%。高光谱影像也被用来确定鲑鱼的颜色分布[41]。Ivorra等人[42]利用近红外高光谱影像分析技术检测过期真空包装鲑鱼，准确率达到82.7%。还提出了一种基于主成分分析(PCA)和聚类分析(PLS-DA)的近红外光谱分类模型，用于燕麦和灌浆颗粒的分类，所提出的方法达到了近100%的高分类率，从而表明了HSI作为食品分析工具的有效性[43]。

B. 医疗诊断

传统的临床分析方法是使用X射线计算机断层成像扫描和磁共振成像技术。Paty等人在200多名患者的评估中，比较了MRI和CT检测多发性硬化症的能力[121]。Hovels等人使用CT和MRI诊断前列腺癌淋巴结转移[122]。Mri在临床诊断中取得了较好的效果。在过去的几十年里，现代光谱成像技术为医学专家提供了更高的速度和精度已经证明了它们在医学成像中的重要性。组织的光学特性提供了有价值的诊断信息。高光谱图像分析由于能够提供生物标志物信息和组织光谱信息的实时图像，在医学诊断中得到了广泛的应用。除了诊断，HSI系统也用于图像引导外科手术。

Kumar等提出了一种基于PCA和傅里叶变换红外光谱的乳腺癌诊断成像系统[44]。应用傅里叶变换红外光谱技术对不同组织学分级的乳腺癌组织标本进行了分析，并报道了癌旁组织的光谱变化。数据分析使用主成分分析，5882~6250nm波段有明显特征，可用于肿瘤鉴别诊断。刘等人对舌头的发射光谱进行了无创测量并进行了分析，以检测肿瘤[45]。Dicker等在常规的Hamp;E染色标本中，在光谱域区分了良性和恶性真皮组织[86]。在他们的发现中，如果控制切片厚度和染色时间，可以观察到光谱特征的差异。黑色素瘤病变和间质区域以灰度表示在图4中。

Mitra等利用荧光和电子显像对胆道结构进行了扫描，对不同组织和胆道解剖结构进行了分类[46]。荧光成像可提供有关手术ROI中运动和流量的动态信息，而高光谱图像信息有助于识别胆管，如图5所示。高光谱信息还可以安全排除胆道解剖中不包括的组织中的污染物。

还可以利用荧光和电子显像技术对胆囊疾病的胆道结构进行扫描，应用光谱分析和图像处理技术对胆道解剖结构和组织进行鉴别[46]。手术区域的运动动态信息由光谱成像提供，而高光谱成像可以安全地排除组织中受污染的光谱，为胆汁的鉴别提供有价值的信息。

Campbell等人提议使用腹腔镜肾部分切除术(LPN)来诊断肾皮质肿瘤[47]。Olweny等人使用数字光处理(DLP)为基础的HSI计算机辅助LPN来描述肾脏氧合[48]。这项临床研究是针对十八名患者进行的。该系统能够成功地描述LPN期间肾脏氧合的动态变化。

图4.黑色素瘤病变的灰度图像显示了核区和间质区的透射光谱

图5.（a）胆道组织的结构 (b)以HSI为基础的胆管组织类型分类

C. 精细农业

许多研究表明，由于世界人口迅速增长，到2050年底，世界粮食产量需要翻一番[49]。然而，各种研究表明，作物产量不再以满足所有不断增长的人口需求的速度增长[50], [51]。最近的研究还表明，在不增加耕地的情况下提高作物产量，是确保粮食安全的最有效方法[52], [53]。增加作物生产可以直接减少全球贫穷和营养不良;此外，大多数贫穷和营养不良人口由农民自己组成。张等人综述了遥感高光谱图像中典型特征提取和场景理解的最新深度学习技术[124]。

传统的作物病害监测、水分胁迫监测、养分监测和虫害监测都是从地面进行人工目视监测。这些方法受到以下事实的限制：视觉症状通常出现在疾病的后期，因此很难恢复植物健康。机载和地面HSI方法的进步，使作物胁迫评估、土壤和植被特性分析的成本效益方式成为可能，从而取代了传统的侦察方法。

干旱胁迫是影响作物产量的重要因素。通过及时检测与水相关的压力，可

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[234082]，资料为PDF文档或Word文档，PDF文档可免费转换为Word