基於高光譜成像技術的靜脈識別測試試驗
一、測試原理及方法：
高gao光guang譜pu成cheng像xiang技ji術shu是shi近jin二er十shi年nian來lai發fa展zhan起qi來lai的de基ji於yu非fei常chang多duo窄zhai波bo段duan的de影ying像xiang數shu據ju技ji術shu，其qi最zui突tu出chu的de應ying用yong是shi遙yao感gan探tan測ce領ling域yu，並bing在zai越yue來lai越yue多duo的de民min用yong領ling域yu有you著zhe更geng大da的de應ying用yong前qian景jing。它ta集ji中zhong了le光guang學xue、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）deguangpufanweinei，liyongchengxiangguangpuyi，zaiguangpufugaifanweineideshushihuoshubaitiaoguangpuboduanduimubiaowutilianxuchengxiang。zaihuodewutikongjiantezhengchengxiangdetongshi，yehuodelebeicewutideguangpuxinxi。
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生的線性色散確定。最小光譜分辨率是由光學係統的成像性能確定的（點擴展大小）。
成像過程為：每次成一條線上的像後（X方向），在檢測係統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據。
圖2 像立方體
本文以手臂靜脈為研究對象，利用雙利合譜的高光譜成像儀GaiaSorter（光譜範圍400nm-1000nm）采集測試對象的高光譜數據。測試時間為2015年8月4日。圖3為GaiaSorter “蓋亞”高光譜分選儀的外觀圖像
圖3 GaiaSorter “蓋亞”高光譜分選儀
GaiaSorter “蓋亞”高光譜分選儀的核心部件包括均勻光源、光譜相機、電控移動平（或傳送帶）、計算機及控製軟件等部分。工作原理是通過光源照射在放置於電控移動平台（或傳送帶）上的待測物體（樣品），樣品的反射光通過鏡頭被光譜相機捕獲，得到一維的影像以及光譜信息，隨著電控移動平台（或傳送帶）daidongyangpinlianxuyunxing，congernenggoudedaolianxudeyiweiyingxiangyijishishideguangpuxinxi，suoyoudeshujubeijisuanjiruanjiansuojilu，zuizhonghuodeyigebaohanleyingxiangxinxiheguangpuxinxidesanweishujulifangti。qijiegoushiyirutu4所示。
.jpg)
圖4 GaiaSorter “蓋亞”高光譜分選儀結構示意圖
高光譜儀配置：鏡頭：22mm鍍膜消色差鏡頭；光譜範圍：400nm-1000nm，光譜分辨率: 4nm@435.8nm（@400-1000nm），像麵尺寸（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.
SpecView軟件：控製完成自動曝光、自動對焦、自動掃描速度匹配；數據處理：黑白、輻射度、均勻性、鏡頭等校準；光譜查看。
圖5為成像高光譜的拍攝手臂正反麵的真彩色合成圖像。
.jpg)
圖5 基於成像高光譜手臂正反麵的真彩色合成圖像 (640 nm、550 nm、460 nm)
對成像高光譜儀拍攝的手臂原始影像數據進行數據的預處理，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，Reftarget為目標物的反射率，Refpanel為標準參考板的反射率，DNtarget為原始影像中目標物的的數值，DNpanel為原始影像中標準參考板的數值，DNdark為成像光譜儀係統誤差。
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於判定圖像數據內在的維數（即波段數），分離數據中的噪聲，減少隨後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（基於估計的噪聲協方差矩陣）用於分離和重新調節數據中的噪聲，這步操作使變換後的噪聲數據隻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據（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據的內在維數。數據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，其餘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6為MNF降噪前後的光譜反射率變化。
.jpg)
圖6 MNF降噪前後的光譜反射率變化
對原始數據進行預處理之後，分別分析手臂正反麵皮膚與手臂靜脈的光譜反射率差異，如圖7所示。
圖7 手臂正反麵皮膚與手臂靜脈的光譜反射率差異
利用SpecView軟件的Analysis-Animate功gong能neng，快kuai速su瀏liu覽lan能neng識shi別bie手shou臂bi靜jing脈mai的de波bo段duan，結jie果guo表biao明ming能neng識shi別bie手shou臂bi靜jing脈mai的de波bo段duan主zhu要yao集ji中zhong在zai近jin紅hong外wai區qu間jian，這zhe與yu目mu前qian國guo內nei外wai的de研yan究jiu結jie果guo相xiang同tong。為wei了le較jiao為wei清qing晰xi地di看kan到dao靜jing脈mai血xue管guan，本ben文wen對dui近jin紅hong外wai波bo段duan的de進jin行xing均jun衡heng化hua處chu理li。均jun衡heng化hua是shi圖tu像xiang處chu理li領ling域yu中zhong利li用yong圖tu像xiang直zhi方fang圖tu對dui對dui比bi度du進jin行xing調tiao整zheng的de方fang法fa，其qi“中心思想”是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度範圍內的均勻分布。圖8為手臂正麵780 nm的灰度圖與經均衡化處理後直方圖。
.jpg)
圖8 手臂正麵780 nm處均衡化處理前（左）後（右）的灰度圖
為了客觀地識別手臂上的靜脈，對經預處理後的高光譜數據進行主成分分析（Principal Component Analysis, PCA），去除波段之間的多餘信息、將多波段的圖像信息壓縮到比原波段更有效的少數幾個轉換波段下。圖9為手臂正反麵經PCA變換後的前6個主成分。
圖9 手臂正反兩麵PCA處理後的前6個主成分
為了更客觀真實地識別出手臂靜脈，根據波段組合的特點，對PCA前六個主成分組合成各種假彩色圖像，如圖10為手臂正麵的假彩色合成圖像，圖11為手臂反麵的假彩色合成圖像。與灰度圖相比，假彩色合成更能直觀地識別出手臂靜脈。
.jpg)
圖10 手臂正麵PCA假彩色合成圖像
圖11 手臂反麵PCA假彩色合成圖像
地址：無錫市梁溪區南湖大道飛宏路58-1-108
.png)
電話：
.png)
郵箱：
地址：北京市海澱區中關村大街19號
電話：
郵箱：
地址：陝西省西安市高新區科技一路40號盛方科技園B座三層東區
電話：
郵箱：
地址：成都市青羊區順城大街206號四川國際大廈七樓G座
電話：
郵箱：
地址：深圳市龍華區民治梅龍路電話：郵箱：
在線谘詢