基於成像高光譜技術的人臉黑痣識別研究

基於成像高光譜技術的人臉黑痣識別研究

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）的de光guang譜pu範fan圍wei內nei，利li用yong成cheng像xiang光guang譜pu儀yi，在zai光guang譜pu覆fu蓋gai範fan圍wei內nei的de數shu十shi或huo數shu百bai條tiao光guang譜pu波bo段duan對dui目mu標biao物wu體ti連lian續xu成cheng像xiang。在zai獲huo得de物wu體ti空kong間jian特te征zheng成cheng像xiang的de同tong時shi，也ye獲huo得de了le被bei測ce物wu體ti的de光guang譜pu信xin息xi。

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

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. 內置控製、掃描機構；內置電池；

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。

GaiaField便攜式高光譜係統是雙利合譜自行研製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(duo)維(wei)運(yun)動(dong)控(kong)製(zhi)器(qi)，光(guang)譜(pu)相(xiang)機(ji)和(he)成(cheng)像(xiang)光(guang)譜(pu)儀(yi)。使(shi)用(yong)此(ci)係(xi)統(tong)進(jin)行(xing)掃(sao)描(miao)，在(zai)獲(huo)得(de)目(mu)標(biao)影(ying)像(xiang)信(xin)息(xi)的(de)基(ji)礎(chu)上(shang)
，還(hai)可(ke)以(yi)獲(huo)得(de)數(shu)百(bai)甚(shen)至(zhi)上(shang)千(qian)波(bo)段(duan)的(de)光(guang)譜(pu)信(xin)息(xi)。

GaiaField係統有著輕便靈活，續航能力出色的特點。廣泛適用於，目標識別、偽裝與反偽裝等軍事領域
，地麵物體與水體遙測
、現代精細農業等生態環境監測領域，以及刑偵、文物保護
、生物醫學等領域。

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便攜式高光譜係統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，有助於研究人員通過對連續光譜的分析、反演
，獲得更多的高價值數據細節。

圖4  高光譜成像儀采集的影像效果圖

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域

當前狹縫位置指示

選擇自動曝光與自動調焦區域，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域

自動掃描速度匹配、自動曝光：

自動曝光：根gen據ju當dang前qian光guang照zhao環huan境jing
，進jin行xing曝pu光guang測ce試shi
，獲huo得de精jing準zhun的de曝pu光guang時shi間jian。在zai得de到dao最zui佳jia信xin噪zao比bi的de同tong時shi，又you可ke避bi免mian過guo度du曝pu光guang造zao成cheng數shu據ju作zuo廢fei。同tong時shi軟ruan件jian具ju有you實shi時shi過guo度du曝pu光guang監jian視shi功gong能neng。

自動掃描速度匹配：根據當前的曝光時間等參數，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  采集數據自動曝光
、速度匹配

二
、數據分析：

本文以四川雙利合譜科技有限公司自行拍攝的高光譜人臉數據為研究對象，利用四川雙利合譜科技有限公司的高光譜成像儀GaiaField（光譜範圍400 nm - 1000 nm）采集測試對象的高光譜數據，以分析人臉上黑痣的分布情況。圖7為人臉拍攝的現場圖片。

圖 7  基於成像高光技術人臉拍攝的現場

對成像高光譜儀拍攝的人臉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，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值
，DN_panel為原始影像中標準參考板的數值，DN_dark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yi部bu分fen與yu較jiao大da特te征zheng值zhi和he相xiang對dui應ying的de特te征zheng圖tu像xiang相xiang關guan，其qi餘yu部bu分fen與yu近jin似si相xiang同tong的de特te征zheng值zhi以yi及ji噪zao聲sheng占zhan主zhu導dao地di位wei的de圖tu像xiang相xiang關guan。由you於yu此ci次ci采cai集ji的de高gao光guang譜pu影ying像xiang沒mei有you白bai板ban校xiao正zheng，因yin此ci數shu據ju預yu處chu理li的de第di一yi步bu輻fu射she定ding標biao沒mei有you進jin行xing分fen析xi處chu理li，直zhi接jie作zuoMNF降噪分析。圖8為MNF降噪前後的成像高光譜數據中DN值的變化。

圖7  MNF變換前(左)後(右)高光譜影像DN值的變化

由於本研究的高光譜影像數據在采集過程中無白板數據作為參考。圖8分別為高光譜人臉上白眼珠
、黑眼珠、黑痣、皮膚、頭發、嘴唇的DN值變化規律。從圖8可知
，除350-450 nm範圍內，嘴唇與黑痣的DN值變化曲線及其相似外，在450-1000 nm範圍內，黑痣的DN值變化規律有白眼珠、黑眼珠、皮膚、頭發、嘴唇均不相同
，這說明黑痣的光譜反射率也異於白眼珠
、黑眼珠、皮膚、頭發、嘴唇。

圖8  人臉上各目標物在350-1000 nm範圍內的DN值變化

利用SpecView軟件的Analysis-Animategongneng，nengkuaisudiliulangaoguangpuyingxianggeboduandehuiduxinxibianhua

，benyanjiutongguokuaisuliulanrenliandegaoguangpuyingxiangdegeboduanhuiduxinxibianhuakezhi，zaibutongboduanfanweinei，tuxiangzhongbutongmubiaowudexianshixiaoguobingbuxiangtong，youxiemubiaowuzhiyouzaitedingdebochangjitezhengbochangcaixianshichulai。tu9分別列舉了400 nm、640 nm和800 nm的灰度圖。從圖9可知，400 nm和800 nm處，人臉上的黑痣幾乎無法用肉眼識別出來，而在640 nm處，臉上的黑痣能隱約看到，但效果並不明顯。 

圖9  人臉在400 nm
、640 nm和800 nm的灰度圖

在(zai)本(ben)研(yan)究(jiu)中(zhong)
，由(you)於(yu)人(ren)臉(lian)在(zai)不(bu)同(tong)波(bo)長(chang)下(xia)成(cheng)像(xiang)，得(de)到(dao)幾(ji)百(bai)景(jing)人(ren)臉(lian)圖(tu)像(xiang)，且(qie)在(zai)不(bu)同(tong)的(de)波(bo)長(chang)下(xia)人(ren)臉(lian)的(de)灰(hui)度(du)圖(tu)像(xiang)顯(xian)示(shi)效(xiao)果(guo)並(bing)不(bu)同(tong)
，有(you)的(de)圖(tu)像(xiang)清(qing)晰(xi)，有(you)的(de)圖(tu)像(xiang)模(mo)糊(hu)，還(hai)有(you)些(xie)基(ji)本(ben)上(shang)看(kan)不(bu)見(jian)。如(ru)果(guo)用(yong)計(ji)算(suan)機(ji)處(chu)理(li)
，會(hui)因(yin)為(wei)圖(tu)像(xiang)信(xin)息(xi)量(liang)太(tai)大(da)而(er)難(nan)以(yi)處(chu)理(li)，浪(lang)費(fei)時(shi)間(jian)過(guo)多(duo)。所(suo)以(yi)，需(xu)要(yao)經(jing)過(guo)主(zhu)成(cheng)分(fen)分(fen)析(xi)法(fa)篩(shai)選(xuan)出(chu)特(te)征(zheng)圖(tu)像(xiang)。主(zhu)成(cheng)分(fen)分(fen)析(xi)（Principal Component Analysis, PCA）的作用是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10分別展示了人臉經主成分變換後的15個主成分圖像，從圖10可知，前2個主成分雖然包含了較多信息
，且圖像較為清晰
，但黑痣的顯示效果並不理想。從圖10中我們可以發現，第4、6和10主成分能較為清晰地人臉黑痣的分布情況。

  圖10  人臉經主成分變換後的前15個主成分

    經主成分變換後，各主成分間相關性較小且包含較多的圖像信息，因此可以通過波段間的組合更清晰地識別各目標物。圖11為原始圖像的真彩色合成及各主成分變換的假彩色合成。從圖11可知
，PCAjiacaisehecheng
，bingbushizhuchengfenyuekaoqian，qihechengtuzhonggemubiaowuxianshijiuyueqingxi，ershigenjuzaigezhuchengfenzhongjiaoweiqingxidishibiemubiaowudezhuchengfenjinxingcaisehecheng。genjutu10可知

，第4
、6和10主成分能較為清晰地人臉黑痣的分布情況，因此運用4、6和10三個主成分構建的假彩色合成能較為清晰識別人臉黑痣的分布範圍。

圖11  人臉經主成分變換後的前15個主成分