基于高光譜成像技術的秦俑分析報告

基于高光譜成像技術的秦俑分析報告

一、測試原理及方法：

 高光譜成像技術是近二十年來發(fā)展起來的基于非常多窄波段的影像數(shù)據(jù)技術，其最突出的應用是遙感探測領域，并在越來越多的民用領域有著更大的應用前景。它集中了光學、光電子學、電子學、信息處理、計算機科學等領域的先進技術，是傳統(tǒng)的二維成像技術和光譜技術有機的結合在一起的一門新興技術。

 高光譜成像技術的定義是在多光譜成像的基礎上，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)百條光譜波段對目標物體連續(xù)成像。在獲得物體空間特征成像的同時，也獲得了被測物體的光譜信息。

目標物體-成像物鏡-入射狹縫-準直透鏡-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光譜儀產(chǎn)生的線性色散確定。最小光譜分辨率是由光學系統(tǒng)的成像性能確定的（點擴展大小）。

成像過程為：每次成一條線上的像后（X方向），在檢測系統(tǒng)輸送帶前進的過程中，排列的探測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: 4nm@435.8nm（@400-1000nm），像面尺寸（光譜x空間）：6.15 x 14.2 mm，相對孔徑：F/2.4，狹縫長度14.2 mm. 內(nèi)置控制、掃描機構；內(nèi)置電池；

SpecView軟件：控制完成自動曝光、自動對焦、自動掃描速度匹配；數(shù)據(jù)處理：黑白、輻射度、均勻性、鏡頭等校準；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成，分別是：多維運動控制器，光譜相機和成像光譜儀。使用此系統(tǒng)進行掃描，在獲得目標影像信息的基礎上，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。廣泛適用于，目標識別、偽裝與反偽裝等軍事領域，地面物體與水體遙測、現(xiàn)代精細農(nóng)業(yè)等生態(tài)環(huán)境監(jiān)測領域，以及刑偵、文物保護、生物醫(yī)學等領域。

覆蓋可見光與近紅外全波段可提供超過700個光譜通道，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3nm，即使在短波紅外波段也能達到10nm。因而全波段內(nèi)可以獲得超過700個的光譜通道，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連續(xù)光譜的分析、反演，獲得更多的高價值數(shù)據(jù)細節(jié)。

圖4  高光譜成像儀數(shù)據(jù)效果圖

獨有的軟硬件功能：

輔助攝像頭功能

通過輔助攝像頭觀察目標拍攝區(qū)域

當前狹縫位置指示

選擇自動曝光與自動調(diào)焦區(qū)域，直觀方便，僅需鼠標即可完成操作。

圖 5  輔助攝像頭觀察目標拍攝區(qū)域

自動掃描速度匹配、自動曝光：

自動曝光：根據(jù)當前光照環(huán)境，進行曝光測試，獲得精準的曝光時間。在得到最佳信噪比的同時，又可避免過度曝光造成數(shù)據(jù)作廢。同時軟件具有實時過度曝光監(jiān)視功能。

自動掃描速度匹配：根據(jù)當前的曝光時間等參數(shù)，進行測試拍攝，得到實時幀速，進而計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）

圖 6   采集數(shù)據(jù)自動曝光、速度匹配

二、數(shù)據(jù)分析：

本文以西安秦俑為研究對象，利用雙利合譜的高光譜成像儀Gaia Field（光譜范圍400 nm - 1000 nm）采集測試對象的高光譜數(shù)據(jù)。

對成像高光譜儀拍攝的原始影像數(shù)據(jù)進行數(shù)據(jù)的預處理，預處理過程主要包括兩部分。第一部分是輻射定標；第二部分為噪聲去除。

首先進行輻射定標。輻射定標的計算公式如1所示。

                       (1)

其中，Ref_target為目標物的反射率，Ref_panel為標準參考板的反射率，DN_target為原始影像中目標物的的數(shù)值，DN_panel為原始影像中標準參考板的數(shù)值，DN_dark為成像光譜儀系統(tǒng)誤差。

其次是噪聲去除，本文運用國外較為常用的最小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進行噪聲去除。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算需求量。MNF本質上是兩次層疊的主成分變換。第一次變換（基于估計的噪聲協(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。第二步是對噪聲白化數(shù)據(jù)（Noise-whitened）的標準主成分變換。為了進一步進行波譜處理，通過檢查最終特征值和相關圖像來判定數(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應的特征圖像相關，其余部分與近似相同的特征值以及噪聲占主導地位的圖像相關。圖7為MNF降噪前后的光譜反射率變化。

圖7  MNF變換前(左)后(右)高光譜影像數(shù)據(jù)反射率值變化

下圖分別秦俑鎧甲、手背、肢體(軀干沒有白板校正數(shù)據(jù))的高光譜影像數(shù)據(jù)的RGB（640 nm、550 nm、460 nm）真彩色合成數(shù)據(jù)及影像中不同位置的光譜反射率變化。

圖8  鎧甲及其不同位置的光譜反射率變化

圖9  手背及其不同位置的光譜反射率變化

圖10  肢體及其不同位置的光譜反射率變化

利用SpecView軟件的Analysis-Animate功能，快速瀏覽能識別軀干、手背、肢體、鎧甲的各波段圖像的變化，結果表明能較為清楚地識別軀干、手背、肢體、鎧甲等高光譜影像信息的波段主要集中在紅光與近紅外區(qū)域，這與目前國內(nèi)外的研究結果相同。以760 nm波段影像為例，對軀干、手背、肢體、鎧甲760 nm處影像的灰度圖作密度分割，以期能更清楚地分辨軀干、手背、肢體、鎧甲中內(nèi)部成分的變化，如下圖所示。從圖11可知，通過對成像高光譜特定某一波段作密度分割并賦予不同的顏色，不僅在圖像能較為清晰的看到秦俑各部位內(nèi)部成分的變化，而且也能看到其在數(shù)值上的變化。

圖11  秦俑各部位在760 nm處的灰度影像的密度分割效果圖

為了客觀地分別秦俑各部位內(nèi)部成分的變化，對經(jīng)預處理后的高光譜數(shù)據(jù)進行主成分分析（Principal Component Analysis, PCA），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)幾個轉換波段下。分別對比分析秦俑各部分PCA變化前后影像合成圖。

圖12  鎧甲的PCA變化前影像合成圖

（左 R：800 nm,G:640 nm，B：550 nm；右 R：PCA2,G:PCA1，B：PCA3）

圖13  軀干的PCA變化前影像合成圖

（左 R：800 nm,G:640 nm，B：550 nm；右 R：PCA2,G:PCA1，B：PCA3）

圖14  手背的PCA變化前影像合成圖

（左 R：800 nm,G:640 nm，B：550 nm；右 R：PCA2,G:PCA1，B：PCA3）

圖15  肢體的PCA變化前影像合成圖

（左 R：800 nm,G:640 nm，B：550 nm；右 R：PCA2,G:PCA1，B：PCA3）

通過對比分析圖12-圖15可知，利用成像高光譜原始影像數(shù)據(jù)進行波段組合時，其無法較為清晰地看到秦俑各部位內(nèi)部的變化規(guī)律，但經(jīng)過PCA變換之后，通過PCA各主成分的波段組合，秦俑各部位內(nèi)部信息的變化能較為清晰的展現(xiàn)出來。