基于薄膜干涉分光技術的便攜式多光譜成像系統

呂少波　雷鵬　張勇喜　等

摘要： 基于薄膜干涉分光技術開發了多光譜圖像采集分析系統樣機，樣機由分光濾光片、CCD相機、邏輯控制組件和計算機終端軟件等組成，并在農產品檢測、成分檢測等方面開展了多光譜檢測技術的實驗研究。實驗表明，多光譜成像系統能夠進行高分辨率的光譜圖像采集，并進行光譜重建和聚類等分析。在農產品檢驗中利用多光譜成像技術能夠將霉變的黃豆與優質黃豆進行快速區分；在電解液濃度和成分檢驗中能夠將不同濃度或不同成分的液體進行識別；在筆墨檢驗中能夠將不同油墨的筆跡進行準確有效地判別。

關鍵詞： 薄膜干涉； 帶通濾光片； 多波段； 光譜成像

中圖分類號： O 438文獻標志碼： Adoi： 10.3969/j.issn.10055630.2015.02.009

Portable spectral imaging system based on film

interference bandpass technique

L Shaobo， LEI Peng， ZHANG Yongxi， WU Zenghui， HU Wenwen

（Shenyang Academy of Instrumentation Science Co.， Ltd.， Shenyang 110043， China）

Abstract： One type of multispectrum imaging system based on film interference technique is discussed. A prototype of multispectrum imaging machine is developed， which consists of a bandpass filter， a CCD， logic control components and computer analysis software. Experiments such as inspection of agricultural products and physical composition are carried out. The result shows that the imaging system can realize spectral image acquisition at a high resolution and analyze the reflectance spectrum reconstruction and image classification accurately. The system is also applied in the inspection experiment of mouldy beans， electrolyte composition and density， and scribbled signatures with different pens.

Keywords： film interference； bandpass filter； multiband； spectral imaging

引言多光譜成像技術是結合圖像技術與光譜分析技術的新型光電檢測分析技術，既可通過圖像獲得物體的形狀、位置等物理信息，又可通過光譜分析獲得物質組分、結構及化學成分等信息。近年來，由于其強大的檢測分析能力，在航空遙感、自動控制、環境監測、食品安全、醫療衛生、農業、考古鑒定等各領域獲得廣泛的應用。國外關于多光譜技術的發展始于20世紀80年代，主要應用于航空航天等環境與資源遙感領域。典型的多光譜產品有：Xybion Electronics公司開發的旋轉濾光片輪式CCD多光譜相機系統[1]；亞琛工業大學的16波段窄帶濾光片多光譜實驗裝置[2]；USDAARS公司研制的CCD航空自然探測數字視頻系統ADVIS[3]； Z/I影像公司的復合CCD面陣式DMC2001數字航空多光譜攝像機系統[4]等。我國的光譜成像技術始于20世紀90年代并在航空遙感領域取得突破性進展，主要表現在機載傳感器的研制方面，如國家863計劃308主題推出的先進機載對地觀測系統（AEOS）以及現在資源1號、資源2號搭載的對地光譜成像系統。上述的光譜成像技術大多應用于航空航天對地觀測或實驗室科學研究領域，設備系統復雜，使用要求穩定性很高且專業性很強，故其在民用領域的推廣應用程度很低。因此，本文在濾光片分光技術基礎上開展基于薄膜干涉分光技術的多光譜成像技術研究，整套技術和設備具有結構簡單、便攜易用的特點，并在農產品檢測、物質成分檢測等方面進行多光譜成像技術的實驗研究。光學儀器第37卷

第2期呂少波，等：基于薄膜干涉分光技術的便攜式多光譜成像系統

圖1多光譜成像系統原理圖

Fig.1Schematic diagram of multispectrum imaging system

圖2帶通濾光片透過率曲線

Fig.2Spectral transmittances of bandpass filters

1多光譜成像系統的設計

1.1多光譜成像系統原理圖1為多光譜成像原理圖：由自然光或照明光源照射的目標物體經鏡頭成像在位于像平面的CCD面陣上，該圖像包含了目標物體對當前濾光片中心波長光譜反射率的特征。通過更換不同中心波長的帶通濾光片，可獲得一系列連續的光譜圖像數據。光譜圖像的每一個像素都代表了物體上的某一微小區域，通過反演所有光譜圖像上該區域像素的響應值，即可得到目標物體該點的光譜數據。物質由于組成成分不同都有各自的特征光譜，因此可以用多光譜技術對目標進行檢測、識別[5]。圖2為本文多光譜成像系統配備的部分帶通濾光片的光譜透過率曲線，濾光片中心波長涵蓋400～1 000 nm波段，透射光譜半寬約30 nm，透過率80%～90%，截止背景在OD4（光密度值）以下，所有濾光片均為自行設計并制造。

1.2多光譜成像系統構成本文設計的基于薄膜干涉濾光片的多光譜成像系統主要包括以下幾個部分：（1）光譜分光組件將不同中心波長的窄帶帶通濾光片組成濾光片輪，轉動濾波片輪更換濾光片以獲得不同波段的光譜圖像。濾光片為可拆卸設計以滿足不同實驗目的的波段配置，且其高透高截止特性能夠提高信噪比，保證圖像質量。（2）圖像采集組件成像鏡頭為VS0880M百萬像素級變焦鏡頭，焦距為8～50 mm，適用CCD成像面陣尺寸1/2 in（1 in=2.54 cm）；CCD為MVVD120SMSC單色相機，光譜響應范圍為400～1 000 nm，成像面陣尺寸1/2 in，最大分辨率1 280 pixel×960 pixel，幀速率15幀/s，數據位數8 bit。（3）邏輯控制組件驅動濾光片輪盤旋轉的步進電機系統由電源適配器、邏輯控制單片機（本文采用89C51單片機）、電機驅動器、電機等組成，單片機中設計了一系列步進電機控制指令以方便單片機與上位機之間的通訊。（4）計算機終端控制及光譜圖像處理分析系統基于單片機編程和CCD附帶的SDK開發包，設計濾光片更換和CCD圖像采集的邏輯控制程序。多光譜圖像采集完成后，編寫相應的算法和程序對圖像進行配準、光譜特征重建、圖像標定等工作。基于上述組件設計的多光譜圖像采集系統樣機如圖3所示，樣機設置有若干圓形濾光片孔位，可更換任意中心波長的帶通濾光片。系統通過USB接口以及COM接口與計算機連接，其中USB接口為CCD傳感器接口，用于圖像或視頻采集，COM接口為單片機控制板接口，用于計算機與單片機之間的數據通訊，通過發送單片機控制指令實現步進電機的驅動和單片機反饋信息的讀取。計算機終端控制及光譜圖像處理分析系統通過MATLAB軟件的GUI程序設計實現，程序界面如圖4所示，主要功能包括系統邏輯控制及圖像采集、光譜圖像預處理、建立圖像數據立方體、反射光譜重建、光譜圖像聚類和標定等。

圖3基于帶通濾光片的多光譜成像系統

Fig.3Multispectrum imaging system with

bandpass filters

圖4多光譜成像系統軟件界面

Fig.4Graphical user interface of multispectrum

imaging software

1.3多光譜圖像信息處理（1）光譜圖像預處理首先，由于成像鏡頭、濾光片等光路傳輸的非線性以及CCD自身存在的高斯白噪聲和暗電流等的影響，造成光譜圖像存在孤立的亮點、暗點等圖像噪聲，降低了圖像質量，因此需對光譜圖像進行圖像濾波降噪處理[6]。本文采用雙邊濾波[7]進行圖像噪聲濾除，既能達到有效的降噪效果，又可以保留圖像的邊緣信息。其次在多光譜實驗過程中，根據實驗目的需更換不同通帶波長的濾光片，導致系統與物體相對空間位置發生變化，多光譜圖像之間存在位置偏移，這時需對多光譜圖像進行配準。本文采用基于互信息測度的圖像配準方法，一維搜索策略采取了Powell優化算法，圖像空間變換基于雙線性PV插值法進行像素插值，圖像的配準精度可達到亞像素級[89]。（2）表面反射光譜重建本文基于最小二乘回歸法進行反射光譜重建[1011]，考慮到系統的非線性以及暗電流噪聲對成像的影響，將在圖像上提取的第i個特征點處的CCD響應u進行二階多項式擴展ui =[u1 ，u2 ，…，uC ]

u～i =[1，u1 ，…，uC ，u12，u1 u2 ，…，u1 uC ，u22，u2 u3，…，u2uC，…，uC-1 uC ，uC2]（1）式中：u～i為擴展后第i特征點的響應值向量；C為通道數。若在圖像上共提取了L個特征點，則這些點的響應值擴展矩陣為U～=[u～（1），u～（2），…，u～（L）]（2）因此，CCD響應值到物體光譜反射率r^的轉換矩陣W為[10]W=RU～TU～U～T+λI-1（3）式中：R為實際反射率；I為單位矩陣；λ為常數。第i特征點處光譜反射率重建為r^i=Wui（4）轉換矩陣W通過colorchecker SG色卡的顏色樣本進行標定。（3）反射光譜相似性判定與多光譜圖像分類重建的物體表面光譜反射率的相似性通過向量相關系數進行判定[1213]，對于光譜向量x和y其相關系數定義為σ（x，y）=（x-x—）T（y-y—）[（x-x—）T（x-x—）（y-y—）T（y-y—）]2（5）式中x—和y—為兩向量的平均值。2多光譜成像技術實驗研究基于本文的多光譜成像系統，首先對colorchecker SG標準色卡進行了光譜圖像的采集和分析，所選實驗樣本為色卡中央的96個色塊。使用Avantes光纖光譜儀對各樣本進行實際反射率的測量，然后在自然光照條件下進行各波段光譜圖像的采集，色卡多光譜圖像的數據立方體如圖5所示。以其中的64個色塊為訓練樣本，利用本文的多光譜圖像處理軟件對光譜反射率重建矩陣進行訓練求解，以剩余的32各色塊為校驗樣本進行光譜反射率重建的驗證。圖6為某一色塊的反射光譜重建結果，可以看出重建的反射光譜與測量得到的光譜反射率吻合較好，說明本文設計的多光譜成像系統能夠適用于光譜成像分析的應用。

圖5色卡多光譜圖像的數據立方體

Fig.5Data cube of colorboard multispectrum images圖6某樣本的光譜重建結果

Fig.6The estimated spectral reflectance of one sample

在本文的多光譜成像分析實驗中，需人為地將圖像所包含的內容區分為若干個特征區域，并在每一個區域選擇一個特征點進行光譜反射率的重建，然后根據重建的反射光譜的相關性（設定相關系數閾值，本文為0.93）對圖像上所劃分的特征區域進行區分，進而完成對多光譜圖像的特征分類和標定。以下為利用多光譜成像系統進行的實驗及其分析結果。（1）霉變黃豆的檢驗在自然光照條件下，對霉變的黃豆進行多光譜檢測實驗，檢測圖像如圖7所示。圖7（a）為CCD獲得的全色圖像，其中部分霉變的黃豆與優質黃豆像素對比度較差，難以快速地進行識別；然后使用本文的多光譜成像系統進行圖像采集，并進行光譜聚類分析后的圖像如圖7（b）所示，此時優質的黃豆（白色部分）能夠清晰地識別出來，從而可以進行快速篩檢。

圖7霉變的黃豆多光譜檢測實驗

Fig.7Moldy beans detection using multispectrum imaging system

（2）電解液質量分數區分圖8為某電解沉積實驗室提供的四種不同類型電解液的多光譜成像分析實驗及結果，樣品編號為1～4的四種電解液從左至右分別為：電解沉積后的廢棄液體；未電解沉積的新配制液體；比2號樣品質量分數高10%的鈷離子液體；比3號樣品質量分數高10%的鈷離子液體（出于技術保密，該實驗室并未提供詳細的電解液配方）。在圖8（a）全色圖像中，1、2號樣品均為綠色，且2號樣品顏色稍淺，而3、4號樣品為墨綠色且肉眼難以區分。經本文多光譜成像系統進行光譜圖像采集并分析后的結果如圖8（b）所示，通過重建各溶液的反射光譜能夠快速準確地將四種電解液區分開來。

圖8電解液成分及濃度多光譜檢測實驗

Fig.8Composition and density inspection of liquid electrolyte using multispectrum imaging system

圖9兩種筆墨的多光譜識別實驗

Fig.9Distinguish between two different ink

using multispectrum imaging system（3）筆跡檢驗圖9為兩種不同油墨的筆跡檢測試驗，兩支筆分別為普通簽字筆和黑色彩筆，且均為黑色。實驗前，先用普通簽字筆畫出①、②兩個星并重復描粗，然后使用黑色彩筆將①號星涂抹覆蓋。在數碼全色圖像圖9（a）中，兩種筆跡均為黑色，不能區分。圖9（b）為本文多光譜成像系統進行光譜圖像采集并分析后的結果，可以看出，在①號星中黑色彩筆并沒有將普通簽字筆所畫星形完全涂抹覆蓋，筆畫邊緣仍顯示簽字筆的線條，且這些線條的識別結果與②號星普通簽字筆的筆畫一致，驗證了本文多光譜成像系統對油墨識別的正確性。3結論基于薄膜干涉濾光片開展多光譜成像技術研究，設計試制多光譜圖像采集分析系統樣機，并基于MATLAB軟件平臺編寫了多光譜圖像信息處理軟件。通過標準色卡colorchecker SG多光譜圖像采集分析實驗，表明本文的多光譜成像系統能夠進行準確的光譜圖像采集，并進行光譜和圖像信息聚類。在黃豆霉變的農產品檢測實驗中，本文的多光譜成像系統能夠進行有效的霉變識別，實現農產品快速篩檢。在電解液檢測實驗中能夠將不同濃度和成分的液體進行快速區分，為生產工作提供技術支持。筆跡檢測實驗能夠對不同成分的油墨進行區別，可在刑事刑偵領域提供有效的偵查手段。多光譜圖像采集分析系統的其他應用，如煙氣排放的環境檢測、食品安全等，有待于在日后的工作中進行更加深入的研究。參考文獻：

[1]NIEDRAUER T，PAUL C.A portable multispectral video system[C]∥OCEANS85Ocean Engineering and the Environment.San Diego，CA，USA：IEEE，1985：304307.

[2]HILL B.The history of multispectral imaging at Aachen University of Technology[EB/OL].Spectral Vision，2002.http：∥www.ite.rwthaachen.de/Inhalt/Documents/Hill/AachenMultispecHistory.pdf.

[3]ESCOBAR D E，EVERITT J H，NORIEGA J R，et al.A twelve band airborne digital video imaging system（ADVIS）[J].Remote Sensing of Environments，1998，66（2）：122128.

[4]HINZ A，HEIER H.The Z/I imaging digital camera system[J].The Photogrammetric Record，2000，16（96）：929936.

[5]萬會江.多光譜成像系統研究[D].杭州：浙江大學，2011.

[6]徐林麗，許海濱，馮潔，等.非線性偏微分方程增強多光譜圖像清晰度[J].光學儀器，2014，36（3）：213218.

[7]TOMASI C，MANDUCHI R.Bilateral filtering for gray and color images[C]∥Sixth International Conference on Computer Vision.Bombay，India：IEEE，1998：839846.

[8]楊緒超.基于二階互信息的多光譜圖像配準算法研究[D].南京：南京航空航天大學，2010.

[9]陳顯毅.圖像配準技術及其MATLAB編程實現[M].北京：電子工業出版社，2009.

[10]施翠翠.基于多光譜成像的光譜反射率重建及應用[D].天津：天津大學，2010.

[11]張哲超.成像系統中的光譜反射率重建[D].杭州：浙江大學，2010.

[12]戴春妮.高光譜顯微圖像的特征提取與分類方法及其應用研究[D].上海：華東師范大學，2009.

[13]林立波，李宏寧，曹鵬飛，等.用LCTF光譜技術提取甘藍小菜蛾蟲害葉片特征波段[J].光學儀器，2014，36（3）：194197.

（編輯：劉鐵英）