高光谱数据融合技术在物证检验中的应用

Application of Hyperspectral Data Fusion Technology in Evidence Examination

摘要: 高光谱成像技术不仅可以记录物证的空间信息，还可以记录物证的光谱信息，图谱合一的特点在物证检验中发挥着重要的作用。由于高光谱成像仪的光学结构特点，导致高光谱成像仪获得物证的空间分辨率较低。本文提出高空间分辨率图像与高光谱数据融合的方法，通过插值算法使高空间分辨率图像的每个空间点对应一条光谱曲线。实验采用相机拍摄的2020万像素的高清图片与400~1700 nm高光谱成像仪采集的高光谱数据，通过插值融合算法获得空间分辨率2020万像素、光谱范围400~1700 nm的高光谱数据立方。结果表明，高光谱数据融合技术不仅能够获取高空间分辨率的空间图像而且能够获取每个空间点的光谱曲线，解决了高光谱成像仪在物证检验过程中空间分辨率低的问题。

Abstract: Hyperspectral imaging technology can record not only the spatial information but also the spec-tral information of the evidence. The combination of atlas plays an important role in evidence examination. Due to the optical structure of the hyperspectral imager, the spatial resolution of the evidence is low. In this paper, a fusion method of high spatial resolution image and hyperspectral data is proposed. An interpolation algorithm is used to make each spatial point of high spatial resolution image correspond to a spectral curve. In the experiment, the high-definition images of 20.2 million pixels taken by the camera and the hyperspectral data of 400 - 1700 nm hyperspectral imager were collected. The hyperspectral data cube with spatial resolution of 20.2 million pixels and spectral range of 400 - 1700 nm is obtained by the interpolation fusion algorithm. The results show that hyperspectral data fusion technology can acquire not only the high spatial resolution images, but also the spectral curves of each spatial point, which solves the problem of low spatial resolution of hyperspectral imager in the process of the evidence examination.

1. 引言

以高光谱成像技术为代表的光谱影像技术在物证发现、记录、提取、检验、鉴定和保全等方面具有十分重大的应用潜力 [1] [2] [3] ，其通过图谱合一特性深入挖掘物证影像及物证物质成分，能够根据不同物质光谱特征准确记录其空间分布状态，为物证鉴定光学检验提供了形态检验和成分检验 [3] [4] 。

由于高光谱成像仪的光学结构特点，导致高光谱成像仪的空间分辨率较低 [5] [6] 。若提高高光谱成像仪的空间分辨率，需要减小狭缝尺寸并增加探测器的像素数，减小狭缝尺寸将降低进入高光谱成像仪的总光强值，而增加探测器的像素数会降低探测器的灵敏度，因此高光谱成像仪的空间分辨率不能做的很高，一般约在十几万像素 [7] [8] 。而较低的空间分辨率会导致物证空间信息的提取模糊，影响物证检验结果，制约高光谱成像技术在物证检验中的发展。

本文结合相机拍摄的高分辨率图像与高光谱成像仪采集的高光谱数据，采用插值方法将高分辨率图像与高光谱数据融合 [9] [10] [11] ，获取高空间分辨率的空间图像和每个空间点的光谱曲线。实验采用相机拍摄的2020万像素的高清图片与400~1700 nm高光谱成像仪采集的高光谱数据，通过图像融合算法计算得到高空间分辨率的高光谱数据立方体。图像融合算法获得波段范围是400~1700 nm，空间分辨率是2020万像素的高光谱数据立方体，融合图像的每一个像元都对应一条400~1700 nm的光谱曲线。高光谱数据融合技术在物证检验中的应用，能够获取高空间分辨率的高光谱数据立方，使高光谱物证检验更有意义。

2. 高光谱成像仪光学结构

高光谱成像仪的光学结构如图1所示。入射光经过成像透镜，成像至入射狭缝处，再经过准直透镜获得平行光束，经过分光模块后将平行光束色散，最后由汇聚透镜汇聚至CCD探测器上。

Figure 1. The optical structure of hyperspectral imager

图1. 高光谱成像仪的光学结构

高光谱成像仪的空间性能参数主要包括总视场(FOV)和瞬时视场(IFOV)，瞬时视场(IFOV)决定了高光谱成像仪的空间分辨率GR，如图2所示。

Figure2. The spatial performance parameters of hyperspectral imager

图2. 高光谱成像仪的空间性能参数

若狭缝宽度为a，成像透镜焦距为f’，成像透镜与探测目标的距离为h，则高光谱成像仪的空间分辨率GR可以表示为：

$GR=\frac{ah}{f^{\prime }}$ (1)

由公式(1)可知，空间分辨率GR与狭缝尺寸a成正比，狭缝尺寸a越小，GR值越小，空间分辨率越高。狭缝尺寸越小，CCD的像素尺寸越小，同样的CCD靶面尺寸，像素数越多，而增加探测器的像素数会降低探测器的灵敏度。同时狭缝尺寸越小，进入高光谱成像仪的能量越弱。以上两点原因导致高光谱成像仪的空间分辨率不能做的很高，一般约在十几万像素。

3. 高光谱数据融合方法

低空间分辨率的物证图像，会导致物证信息搜集模糊，限制了高光谱成像仪在物证检验中的应用。因此，采用高光谱数据融合的方法，通过拍摄的高清图片与高光谱数据相结合的方法，获取高清图片中每个像素点对应的光谱曲线。

高光谱成像仪获取的数据形式是如图3所示的数据立方：

Figure 3. Data cube acquired by hyperspectral imager

图3. 高光谱成像仪获取的数据立方

数据立方由空间维x和y及光谱维λ组成，数据立方的空间维中任意一点(x, y)均可沿光谱维提取完整的光谱曲线。数据融合过程如图4所示。

Figure 4. Hyperspectral data fusion process

图4. 高光谱数据融合过程

假设高清相机探测器的像素数是高光谱成像仪探测器像素数的4倍，高光谱成像仪探测器的每个像素均对应一条光谱曲线，高清相机图片与高光谱成像仪的数据融合后的，需要满足高清相机探测器的每个像素也对应一条光谱曲线。而高清相机探测器的像素数大于高光谱成像仪探测器的像素数，数据融合后高清相机探测器像素的若干点无光谱曲线对应。将无光谱曲线对应的像素点采用插值的方法获取光谱数据，由于高光谱数据量大，如果插值算法速度慢，则会影响高光谱数据的获取速度，因此采用最近邻域插值算法进行插值。这种方法不需要计算，将距离待求像素最近的临像素灰度赋给待求像素。

假设原探测器的像素数是a × b，新探测器的像素数是c × d，原探测器的坐标为i，j(i, j为整数)，对应的光强值为f(i, j)，新探测器的坐标为u，v(u, v为整数)，对应的光强值为g(u, v)，则新探测器每个像素点的光强值为：

$\{\begin{array}{l}i=u\times a/c\\ j=v\times b/d\\ g\left(u,v\right)=f\left(i,j\right)\end{array}$ (2)

下面举例说明最近邻域插值算法的原理，若原探测器获取的是3 × 3的256级灰度图，像素矩阵如公式(3)所示：

$\begin{array}{ccc}234& 38& 22\\ 67& 44& 12\\ 89& 65& 63\end{array}$ (3)

若新探测器获取的是4 × 4的256级灰度图，则新探测器根据原探测器能量值插值的计算过程套用公式(2)，即可得出新探测器各个像素的能量值。新探测器的(0,0)像素点对应原探测器的像素点为：(0 × (3/4)，0 × (3/4)) = (0,0)，即新探测器的(0,0)像素点与原探测器的(0,0)像素点的光强值相对应，新探测器的(1,0)像素点对应原探测器的像素点为：(1 × (3/4)，0 × (3/4)) = (0.75,0)，坐标像素值计算出为小数，采用四舍五入的方法就得到坐标(1,0)，即新探测器的(1,0)像素点与原探测器的(1,0)像素点的光强值相对应，按照这样的插值方式，计算出新探测器的每个像素点的光强值如公式(4)所示：

$\begin{array}{cccc}234& 38& 22& 22\\ 67& 44& 12& 12\\ 89& 65& 63& 63\\ 89& 65& 63& 63\end{array}$ (4)

根据公式(2)的插值方法，由原探测器像素的光强值即可计算出任意像素数的新探测器的光强值。

4. 实验验证

高光谱成像仪拍摄的图像如图5所示，由图5中可以看出，图像的空间分辨率较低，若所测试的物证尺寸较小，几乎不能通过物证的图像判断物证的空间分布特征。

Figure 5. Spatial image taken by hyperspectral imager

图5. 高光谱成像仪拍摄的空间图像

实验采用相机拍摄的2020万像素的高清图片与400~1700 nm高光谱成像仪采集的高光谱数据，通过插值融合算法获得空间分辨率2020万像素、光谱范围400~1700 nm的高光谱数据立方。采用LabView平台编写图像融合软件，融合后的数据结果如图6所示。

图6的左图为高清相机拍摄的图片，右图为图片中的每个像素点对应的光谱曲线。图中共有4种笔迹，测量的4条光谱曲线恰好反应出4种笔迹，因此通过高光谱数据融合算法，既可以得到高空间分辨率的图像，同时可以得到每个空间点与之对应的光谱信息。

Figure 6. Image fusion

图6. 图像融合

5. 结论

本文通过结合高空间分辨率的相机与高光谱成像仪的光谱数据，通过最近邻域插值融合算法，实现了高空间分辨率的高光谱数据立方的获取。实验采用2020万像素的图片与400~1700 nm高光谱成像仪的数据立方相结合，插值融合后得到2020万像素的高空间分辨率图像，同时得到与每个像素点对应的光谱曲线。解决了高光谱成像仪空间分辨率低的问题，使高光谱成像仪在物证鉴定领域中的应用更有价值。

基金项目

国家重点研发计划(2017YFC0803806)、上海市科学技术委员会科研计划项目(15GJ0500100)。