一、高光譜圖像處理技術

（一）基本概念與發(fā)展歷程

高光譜圖像是光譜分辨率在 10l 數(shù)量級范圍內(nèi)的光譜圖像。高光譜遙感的發(fā)展得益于成像光譜技術的發(fā)展與成熟，成像光譜技術是集多種技術于一體的綜合性技術。其最大特點是將成像技術與光譜探測技術結合，在對目標的空間特征成像的同時，對每個空間像元經(jīng)過色散形成幾十個乃至幾百個窄波段以進行連續(xù)的光譜覆蓋。2000 年美國 “新千年計劃第一星” EO - 1 上的 Hyperion 成像光譜儀等相繼升空，宣告了航天高光譜時代的來臨。此后，各國不斷研制新的高光譜成像儀，高光譜圖像技術不僅引起了遙感界的關注，同時也引起了醫(yī)學、農(nóng)學等其它領域的極大興趣。

（二）技術特點與優(yōu)勢

高光譜圖像集圖像與光譜信息于一身，圖像信息可以反映樣本的大小、形狀、缺陷等外部品質(zhì)特征，光譜信息能充分反映樣品內(nèi)部的物理結構、化學成分的差異。其具有極高的光譜分辨率，例如美國 Hyperion 高光譜成像儀光譜分辨率為 10nm，共有 220 個連續(xù)譜段。高光譜圖像能實現(xiàn)復雜地表覆蓋的精細分類，利用空間分辨率為 30 米、光譜分辨率 5nm、具有 95 個波段的高光譜影像進行土地利用精細分類，總體分類精度達 90% 以上。

（三）與普通圖像的區(qū)別

高光譜圖像與普通圖像在多個方面存在差異。在波段數(shù)量上，普通彩色數(shù)碼照片只有三個波段，即紅綠藍三個可見波段成像的疊加，而高光譜遙感是很多波段（包括不可見波段）數(shù)據(jù)的集合，比如珠海一號高光譜衛(wèi)星通道數(shù)達 256。在像素值表示方面，高光譜圖像的像素值是以兩個字節(jié)表示的。在信息獲取范圍上，普通照片只能接觸到可見光，高光譜圖像可覆蓋更寬的波段，如電磁波譜的紫外、可見光、近紅外和中紅外區(qū)域，以數(shù)十至數(shù)百個連續(xù)且細分的光譜波段對目標區(qū)域同時成像，能夠探測到多光譜遙感探測不到的信息，獲得豐富的地物信息。

二、高光譜圖像處理方法多樣

（一）圖像去噪方法

傳統(tǒng)的圖像去噪方法主要有均值濾波、中值濾波和高斯濾波等。均值濾波是用像素鄰域的平均值來代替該像素的值，能有效去除圖像中的隨機噪聲，但會使圖像變得模糊。中值濾波則是將像素鄰域內(nèi)的中值作為該像素的值，對椒鹽噪聲有較好的去除效果。高斯濾波是根據(jù)高斯函數(shù)的形狀來確定權重，對圖像進行平滑處理，能較好地保留圖像的邊緣信息。

然而，隨著技術的發(fā)展，基于深度學習的去噪方法逐漸嶄露頭角。例如，有研究采用深度自編碼器進行高光譜圖像去噪，自編碼器通過學習高光譜圖像的低維表示，能夠有效地去除噪聲，同時保留圖像的細節(jié)信息。深度學習方法的優(yōu)勢在于能夠自動學習圖像的特征，適應不同類型的噪聲，并且在處理復雜的高光譜圖像時表現(xiàn)出更好的性能。據(jù)統(tǒng)計，在某些高光譜圖像數(shù)據(jù)集上，基于深度學習的去噪方法能夠?qū)D像的信噪比提高 10dB 以上。

（二）圖像融合方法

高光譜圖像融合是將不同數(shù)據(jù)源的圖像信息進行整合，以提高圖像的質(zhì)量和信息量。數(shù)據(jù)源可以包括高空間分辨率的多光譜圖像和高光譜分辨率的低空間分辨率圖像。

主成分分析融合是一種常用的方法，它將高光譜圖像投影到主成分空間，然后用高空間分辨率圖像的信息替換主成分中的空間成分，最后再反變換回原始空間。這種方法能夠有效地提高圖像的空間分辨率，同時保留光譜信息。

基于像元選擇的方法則是根據(jù)一定的準則選擇合適的像元進行融合。例如，可以選擇具有高空間分辨率和高光譜分辨率的像元進行融合，以提高圖像的整體質(zhì)量。

（三）遙感圖像分割方法

遙感圖像分割的任務是將圖像劃分為不同的區(qū)域，每個區(qū)域代表不同的地物類型。其特點包括需要考慮圖像的空間信息和光譜信息，以及處理大規(guī)模的圖像數(shù)據(jù)。

深度學習方法在遙感圖像分割中得到了廣泛應用。例如，卷積神經(jīng)網(wǎng)絡（CNN）能夠自動學習圖像的特征，實現(xiàn)對不同地物的準確分割。同時，一些基于深度學習的分割方法還能夠結合高光譜圖像的特點，如多尺度特征提取和注意力機制等，提高分割的準確性和效率。在實際應用中，遙感圖像分割可以用于土地利用分類、環(huán)境監(jiān)測和城市規(guī)劃等領域。

三、廣泛的應用領域

?

（一）航天領域

高光譜遙感在航天領域發(fā)揮著重要作用。例如，美國的 Hyperion 成像光譜儀、中國的 HJ - 1A 超光譜成像儀等，為制作礦床地圖提供了有力支持。高光譜遙感通過獲取地物目標的空間和頻譜數(shù)據(jù)，能夠探測到許多使用寬波段無法探查到的物體。民用高光譜成像儀主要通過擴大幅寬提高靈敏度等措施來滿足地球科學等應用需求，如礦產(chǎn)調(diào)查、環(huán)境監(jiān)測和農(nóng)林估產(chǎn)等。以國內(nèi)發(fā)展空間分辨率 30m 左右幅寬大于 60km 的航天高光譜成像系統(tǒng)為例，其已經(jīng)能夠滿足這些需求并具有一定的先進性。此外，小型火星偵察成像光譜儀在火星礦物填圖等方面得到廣泛應用，我國的嫦娥一號衛(wèi)星的干涉成像光譜儀也在月球探測方面發(fā)揮了重要作用。

（二）農(nóng)業(yè)監(jiān)測

在農(nóng)業(yè)領域，高光譜圖像可在短期內(nèi)對農(nóng)作物、森林植被、洋河水體等目標進行無人機高光譜數(shù)據(jù)采集分析監(jiān)測。高光譜技術利用高光譜輻射計或高光譜成像儀來捕獲地物的高光譜數(shù)據(jù)，可獲取農(nóng)田和植被的反射、輻射特性信息，反演葉綠素含量、植物光合作用效率、水分含量、氮含量、土壤質(zhì)地等作物和土壤的基本特征。例如，中國氣象局氣象探測中心正高級工程師吳東麗創(chuàng)新工作室正深耕高光譜技術在農(nóng)業(yè)領域的應用，開展作物災害識別對比試驗，為提升糧食生產(chǎn)全過程氣象災害精細化監(jiān)測評估能力和糧食產(chǎn)量預報能力提供數(shù)據(jù)支撐。

（三）食品安全

高光譜成像技術在食品安全方面優(yōu)勢明顯。它融合了傳統(tǒng)的成像和光譜技術的優(yōu)點，可以同時獲取被檢測物體的空間信息和光譜信息。一方面，能夠?qū)κ称分械某煞诌M行快速、準確的分析，檢測食品中的營養(yǎng)成分、添加劑、污染物等，為食品安全監(jiān)管提供有力支持。比如，可以檢測水果和蔬菜中的農(nóng)藥殘留，為食品安全監(jiān)管部門提供準確、實時的數(shù)據(jù)。另一方面，能實時監(jiān)測食品的新鮮度，如水果、肉類等食品的成熟度、腐敗程度等，有助于確保食品的安全和質(zhì)量。此外，還可用于檢測食品中的病原菌，如沙門氏菌、大腸桿菌等，及時發(fā)現(xiàn)食品安全隱患，保障公眾健康。

（四）醫(yī)學診斷

高光譜成像是一種特殊的光學診斷技術，具有成像系統(tǒng)多樣化、研究對象廣泛化、臨床診斷實用化和分析方法功能化等特征。它具有光譜和成像的雙重功能，能夠同時提供實驗對象的化學和物理特征，并具有良好的空間分辨率。高光譜成像在醫(yī)學診斷中具有巨大潛力，具有原位實時活體診斷疾病（特別是腫瘤）的潛力，臨床應用前景廣闊。例如，高光譜成像可以提供更多的生物組織信息，通過獲取物體在不同波長下的光譜信息，得到組織的光譜特征，進而分析和識別生物組織的類型和狀態(tài)，幫助醫(yī)生更準確地判斷疾病的嚴重程度和類型，并提供更精確的診斷結果。同時，高光譜成像具有較高的分辨率和靈敏度，對于微小病灶的檢測更為敏感，能夠發(fā)現(xiàn)一些傳統(tǒng)成像技術難以觀察到的細微變化。

（五）工業(yè)分類質(zhì)檢

在工業(yè)分類質(zhì)檢方面，通過機器學習算法，利用高光譜圖像對流水線上的產(chǎn)品進行快速分類具有廣泛的適用性和通用性。根據(jù)不同的應用場景，利用參考樣品進行訓練，以交互的方式得到監(jiān)督分類模型后，上傳到模型庫中，便能利用已有模型對流水線上的產(chǎn)品進行快速分類。例如，在金銀花與山銀花的鑒別中，高光譜成像技術能夠無損、有效地鑒別金銀花與山銀花，并且在全光譜和特征波長下均能實現(xiàn)金銀花與山銀花的快速判別分析。在工業(yè)分揀中，高光譜成像儀能夠幫助實現(xiàn)對產(chǎn)品的高效、精準分揀，提高分揀效率和質(zhì)量，如在食品行業(yè)、農(nóng)產(chǎn)品行業(yè)和化工行業(yè)等都有廣泛應用。