高光谱和多光谱成像知识点解释

高光谱成像 (HSI) 是一种基于光谱学的分析技术，它为同一空间区域收集数千张不同波长的图像。虽然人眼只有蓝色、绿色和红色三种颜色感受器，但 HSI 测量场景每个像素的连续光谱，不仅在可见光，而且在近红外 (NIR) 中都具有良好的波长分辨率). 撞击每个像素的光被分解成许多不同的光谱带，以提供有关成像内容的更多信息。收集的数据形成一个 3D 高光谱立方体，其中两个维度表示场景的空间范围，第三个维度表示其光谱内容。

HSI 是通常称为光谱成像或光谱分析的一类技术的一部分，其中还包括多光谱成像 (MSI)。这两种成像系统之间的主要区别在于 HSI 使用连续且连续的波长范围(例如，400 至 1100 nm，步长为 1 nm)，而 MSI 在选定位置使用目标波长的子集(例如，400 至 1100 nm)以 20 nm 为步长)。MSI 传感器通常在每个像素中有 3 到 10 个不同的波段测量值，而 HSI 图像可以包含数千个较窄但连续的光谱波段。因此，HSI 传感器包含的数据比 MSI 传感器多得多。例如，MSI 可用于绘制森林区域地图，而高光谱图像可用于绘制森林内的树种地图。

尽管可以将 MSI视为HSI的缩减子集，但这两种技术是互补的，在它们之间进行选择取决于应用程序要求。例如，在可见通道中，MSI 可用于识别水果的轮廓并发现蓝莓等水果上难以看到的瘀伤。但如果目标是对鳄梨的脂肪含量进行非常详细的分析，则只能使用 HSI 技术来完成。

MSI和HSI 背后的算法和图像处理方法可以追溯到 1970 年代美国陆地卫星计划的第一颗卫星 Landsat 1 的发射，这也是第一颗携带多光谱扫描仪的卫星。随后是 NASA 的机载成像光谱仪 (AIS) 和 AVIRIS 在 20 世纪 80 年代中期的发展，当时加州理工学院成像分析系统组主管 Jerry Solomon 创造了“高光谱成像”一词。

那时还没有微处理器，图像处理必须在大型、集中的计算机中心进行。从那时起，特别是在过去五年中，由于微处理和基于芯片的传感器的发展，HSI 技术已经从地球观测扩展到农业、工业分类、医学研究、食品质量控制和环境等许多领域监控。

高光谱应用

每种材料都具有特定的光谱特征，可用作其独特识别的“指纹”。因此，HSI 具有广泛的应用，这要归功于其在识别物质成分方面的无创、无标记和无损能力。他们包括：

医疗：用于增强现实手术和医疗诊断；

机器视觉：用于对几乎所有材料进行分类——从食品和矿物到纺织品和塑料；

遥感：用于对农业土壤、矿物、塑料、污染和监测进行分类；

农业：检测疾病、水分胁迫和土壤质量的早期症状，以优化控制生长过程；

艺术和遗产分析：了解一件人工制品最初是如何、何时、何地制作或后来被改变的；

食品质量控制：识别和量化食品的化学成分，提供营养、脂肪百分比、糖含量和新鲜度等信息；

垃圾分类：分类和分离塑料、纺织品、金属、玻璃、纸张、纸板和石棉等有害物质；

制药：用于药品化学成分的质量保证；

采矿和石油：用于对钻芯和其他地质样品进行快速可靠的矿物分析；

取证：从犯罪现场收集证据，例如血迹和火药残留物；

高光谱系统的商业化

根据最近的一份市场报告，全球高光谱成像市场预计在 2020 年至 2027 年间将以 8.2% 的复合年增长率 (CAGR) 增长，到 2027 年将达到 35.2 亿美元。亚太地区和欧洲预计将成为增长最快的地区，复合年增长率分别为 9.3% 和 8.5%。

主要驱动因素是对准确可靠的材料分析的需求不断增加，人工智能等新技术的发展与低成本成像系统的发展相结合，以及对遥感应用的需求不断增加。主要应用将用于医疗诊断、工业机器视觉、环境监测和军事监视。

高光谱的种类

高光谱相机可以通过五种方式捕获信息以形成 3D 数据立方体：

Whiskbroom(点扫描)一次捕获一个像素，图像随着相机扫描样品而构建，并包含其所有光谱信息。虽然在图像采集过程中非常耗时，但该方法会产生非常高的光谱分辨率。

推扫式(线扫描)测量连续光谱，一次测量一行像素，广泛应用于工业质量控制监测过程。它的主要限制是光谱仪的入口狭缝造成的高损失。

傅里叶变换 (FT) 光谱是测量连续光谱的另一种方法，这种方法将单色成像传感器与干涉仪相结合，具有比推扫式系统更高的光通量。

光谱扫描收集给定波长的全部空间信息，一次一个波长。虽然每个图像速度很快，但由于改变波长所需的时间，光谱扫描生成立方体的速度很慢。

高光谱快照相机捕捉高光谱视频，尽管它们通常提供有限的光谱和空间分辨率，但它们速度快且非常适合成像移动物体。