高光譜成像技術在公共衛生領域中的應用與展望

摘要：高光譜技術將二維成像技術與光譜獲取技術相結合。其能夠獲得圖像的多維信息，包括圖像的空間信息和每個像素數百個連續波段的光譜信息，具有圖譜合一的重要特性。空間信息可以反映樣本的形狀、大小等外在的物質特征，連續的光譜信息能夠反映樣本內部的化學成分或者物理結構的差別。由于上述特點，HSI技術被廣泛應用于生物醫療、軍事防御、農業檢測等領域。然而，HSI技術在公共衛生領域仍屬于新興技術并有廣泛的應用前景。本文介紹了HSI的成像技術原理、數據處理方法，總結了近年來HSI技術在公共衛生領域的發展和應用現狀，并探討了HSI技術在此領域的未來發展方向。

關鍵詞：高光譜技術；監測；公共衛生；污染；病毒

一、引言

高光譜圖像（Hyperspectral Image， HSI）由成像光譜儀采集獲得，為三維立體圖像。高光譜圖像包含了傳統的二維空間信息和與像素對應的幾百個連續的波段光譜信息（包括電磁波譜的紫外、可見光、近紅外和中紅外區域），具有圖像信息與光譜信息合一的特點。由于光譜信息具有范圍廣、分辨率高等特點，高光譜圖像技術可以通過辨別光譜曲線的微小差異來區分不同類別的物質，該技術已成功應用于目標檢測[1]、光譜解混[2]、場景分類[3]、激光雷達[4]等諸多領域的研究。

在公共衛生領域，HSI技術仍是一項新興技術，但它作為一種檢測污染源和傳染源的非侵入性方法有潛在的應用價值。這是因為在特定波長下，不同污染物或者傳染源在反射率、吸收度和電磁能量等物理特征上表現出不同差異，具體為光譜曲線中峰值的差異。通過對這些光譜信號的定量分析，可實現異常污染程度的可視化，從而為衛生監測、衛生管制提供信息依據。同時，HSI技術作為一種新型的光學監測技術，越來越多地被應用于環境監測、食品保障、疾病防控等方面[5]，具有很大的發展潛力。

二、 HSI技術

（一）成像系統

根據應用場景可將高光譜成像系統分為顯微高光譜成像系統與高光譜遙感成像系統。顯微高光譜成像系統一般由光學顯微鏡、聲光可調濾光器（Acousto-Optic Tunable Filter， AOTF）、AOTF驅動器、電荷耦合元件（Charge Coupled Device， CCD）和計算機五部分組成[6]，系統結構圖如圖1所示。

以乳腺腫瘤組織為例，其成像原理為：首先在顯微鏡載物臺上放置腫瘤切片，AOTF驅動器輸送不同頻率的信號以控制AOTF，用來將透過組織切片的光源分成若干細窄的連續波長的光，CCD將光信號轉變成電信號，然后將HSI圖像數據保存到計算機中。高光譜遙感成像系統是集合探測器系統、精密光學機械系統、微弱信號檢測系統、計算機系統、信息處理系統等于一體的綜合性系統，其能夠獲得地物的連續光譜信息，系統結構圖如圖1所示。

（二）數據采集

高光譜圖像被描述為融合了二維空間和一維光譜的“圖譜合一”的三維數據立方體。以乳腺組織切片為例，展示了高光譜立方體數據。根據不同的數據采集方式，可以分為線掃描、譜掃描、快照和空間譜掃描四種[7]。線掃描（或稱空間掃描）利用不同波長的入射光逐行掃描以獲取整個目標數據，常用于遙感或傳送帶上的實時監測。譜掃描則逐次采用不同波長對目標面進行掃描，適用于波長圖像數目較少的高光譜成像系統。這種方法需要頻繁移動光譜相機或檢測對象，不利于快速檢測。快照方式只需一次測量即可獲得完整的數據立方體，具有高光通量和短采集時間的特點。空間譜掃描輸出基于波長編碼的空間掃描圖，融合了空間掃描和譜掃描的優點，并避免了它們各自的缺點。

（三）數據處理

高光譜圖像處理一般需要經歷圖像數據獲取、圖像處理與分析，以及圖像應用三個階段。HSI數據獲取已在成像系統與數據采集部分進行了詳細的介紹。針對二維空間和一維光譜相結合的HSI三維數據立方特性，其處理與分析有三種方式：一是固定光譜波長，在空間域進行圖像處理分析；二是指定像素空間位置，在光譜域進行光譜處理分析；三是在空間域及光譜域同時進行處理分析。固定波長，可觀察到單波段圖像，其反映了觀察組織區域的形態結構；指定像素空間位置，可以獲得每個組織像素點處的光譜曲線，反映出相應位置的化學成分信息，如組織結構與成分含量；對空譜信息的同時分析處理為有效區分異常組織區域提供了更大的可能。HSI應用階段需要針對不同的應用場景，結合一些圖像處理算法來完成食品質量保障、腫瘤組織識別、缺陷檢測等任務。

三、公共衛生領域應用現狀

（一）環境衛生領域

高光譜遙感在環境污染應用領域發展迅速，目前可以檢測城市水體污染的泥沙含量、重金屬污染、化學排放污染等；還可檢測大氣的溫度、濕度，以及CO等污染氣體的濃度及其分布。對環境遙感圖像的分析，為環境衛生領域的監測、評價、治理等工作提供了信息依據。

1.水環境檢測

高光譜遙感以其高分辨率的特性，能夠對水體的污染濃度進行有效的識別。在“9.11”事件后，USGS利用AVIRIS光譜成像儀獲取了美國世貿中心及其周圍區域的廢墟遙感圖像，繪制并分析出了水體沉淀分布圖。Danaher等人提出了一種交叉相關算法，用來檢測海水里的紅色熒光染料，以判別水體的污染程度[8]。2003年，萬余慶、張風麗等人[9]對在陜西靖邊縣城區的不同河段水體的高光譜圖像進行了分析，發現了光譜特征與水體污染程度與污染類型間的關聯。2016年，Soumyashree Kar團隊利用Yamuna河流水域中的高光譜數據進行了金屬污染物檢測[10]。團隊定期從河流的10個點進行采樣，將光譜庫的端元光譜與10個采樣點對應位置的光譜進行比較，利用SAM、SAM using BandMax、SVM、IOSDATA等基于空譜信息的圖像處理技術對河流采樣點物質進行了分類。另外，該研究還考察了3處采樣點水的反射光譜性質。實驗指出，純水的反射光譜在700nm波長范圍外呈現平坦及均勻的趨勢，若在400-700以外波段中出現強吸收特性，是由于過渡金屬Fe， Cr， Co， Ni等的存在。因此，利用這種關系可實現遙感技術對水質的遠程監測。

2.大氣環境檢測

工業革命以來，人類進行了大規模的消耗資源生產活動，排放了大量的污染氣體如鹵代烴類、痕量氣體、氣溶膠等，導致了空氣質量下降、氣候變暖等問題，嚴重影響著人們的健康。2002年，Lerner等人利用邊緣探測技術獲得了大氣污染總量及其廓線特征[11]。宗雪梅模擬出在大氣紅外輻射超光譜探測儀的臨邊探測模式下的污染氣體體積的混合比權重函數[12]。2017年，歐洲航天局發射了“哨兵-5P”衛星，利用對流層觀測儀TROPOMI在三大光譜區域（270-495nm的紫外－可見光譜區域、675-775nm的近紅外光譜區、2305-2385nm的短波紅外光譜區）對大氣進行了化學測量任務。2019年，李旭文等人利用TROPOMI對NO2、O3、SO2、CO等污染氣體在江蘇省域的空間分布和污染程度進行了分析[13]，研究了時段內TROPOMI獲取的NO2空間分布圖。由于TROPOMI的空間分辨率提高，獲取的光譜圖幾乎未受云層干擾影響。高分辨率的光譜圖為NO2氣體的排放控制提供了排放熱點篩查支持，能夠快速定位污染物發源地并有效識別重度污染地區。

（二）食品衛生領域

隨著人民生活水平的提高，食品安全問題成為人們日漸關注的熱點。為了從源頭解決食品安全的問題，需要對食品生產加工過程進行認真把關。高光譜成像技術可以快速無損地獲取食品圖像及其光譜信息，實現對食品的高效檢測。

1.地溝油

近年來，“地溝油回流餐桌時間”成為公共衛生領域關注的話題之一。不少無良商家收購餐廳的廢棄地溝油加工提煉，以次充好。目前，常規的地溝油檢測方法為感官檢測和理化檢測。感官檢測是指利用五官對油脂看、嗅以觀察油脂的色澤、透明度、氣味的檢測方式。由于地溝油在經過過濾、脫水等復雜的處理工序之后，其成分復雜，很難靠人體感官將其與食用油分開。理化檢測是指對地溝油中的水分、過氧化值、碘值等進行檢測。但是，這些指標無法對深度油炸油進行辨別。范卉等人[14]針對這個問題進行了基于光譜技術與光學層分析方法對地溝油特征的研究。

在論文中，提出了利用傅里葉變換光譜方法對6種油品進行研究。實驗結果顯示，在使用365nm紫外手電筒作為光源，并將樣品放置在光源前的條件下，觀察到正常油脂在630.1nm和707nm處沒有特征峰，而廢棄油脂則呈現小峰。這一發現可作為檢測地溝油的依據。實驗結果如圖2所示。

1.農產品安全

美國疾病控制與預防中心的數據顯示，每年因食源性疾病造成的經濟損失大約為10億～83億美元。食源性疾病主要由受污染的生鮮和被動物糞便污染的食品原料引起。因此，自動檢測農產品糞便污染的研究是有必要的。文獻[15]研究了這一問題。其采用基于紫外線（320-400nm）的高光譜熒光成像系統，檢測出萵苣與菠菜葉正面及背面的糞便污染。

圖3顯示了葉子的葉脈、葉間表面和糞便污染處的光譜信息。圖中分析得出，帶有糞便污染點部分的光譜峰值向短波部分移動。這成為判別葉子是否受到污染的重要依據。

（三）疾控衛生領域

流感病毒是在世界范圍內爆發流行且可引發死亡的病毒，嚴重威脅人們的生命健康。表面增強拉曼光譜（SERS）技術是一種非侵入式光譜檢測技術，其可利用納米金屬顆粒與被測分子間的相互作用表現不同樣品間的峰圖差異。許多文獻[16]致力于研究利用SERS對常見病菌進行鑒定分類的方法。

2016年，賈瀟瀟等人[17]就溫度及pH值等環境因子對H1N1亞型流感病毒毒價的影響展開了研究，對細胞生物學研究起到了一定的促進作用。實驗中，將培養并純化的H1N1亞型三種毒株WSN、CA04、PR8的病毒滴液加10μL到載玻片上，并加入5μL 100nm金納米顆粒，靜置10s后在不同環境因子下進行拉曼光譜儀檢測，觀察到當溫度高于5°或pH值在5.0之下時病毒毒性基本喪失。這為抑制流行病毒提供了新的思路。

2019年，秦潔等人[18]利用拉曼光譜技術對丙型肝炎病毒（HCV）感染血清進行了檢測。論文收集了374例HCV感染者血清與707例未感染者血清，用拉曼光譜儀在 激發波長條件下定點測量，獲取其300cm-1～3000cm-1 位移范圍內拉曼光譜的原始數據，并采用Origin2018軟件對數據進行比對。

結果顯示，HCV感染者與非HCV感染者拉曼光譜在1002cm-1，1157cm-1，1515cm-1 位移處有明顯差異。最后，該論文結合Pls-svm技術判別血清是否感染HCV，準確率達到96.29% 。

四、公共衛生領域的應用展望

雖然高光譜作為一種新興技術具有測量波段范圍廣、獲取信息全面等優勢，其還存在一些技術痛點。如設備分辨率要求高、技術僅存在實驗階段等問題。筆者認為，推動高光譜在社會公共安全領域的應用將主要表現在以下幾個方面：

（一）化學氣體成像

高光譜技術可以用來實時監測化工廠的有害氣體排放，以對排放超標的工廠進行有效的監管措施；即時監測危險化學氣體運輸車輛的泄漏情況，以避免發生意外事件。

（二）食品篩選

在果蔬分揀時可利用高光譜技術無損檢測出含有農藥、糞便殘留的果蔬，進而進行在線食品分類；在生產動物復合飼料時，監測原材料以保證產品的質量。

（三）監控系統

將熱紅外高光譜系統與傳統監控系統相結合，完成對多目標人群體溫的實時監測，在遇到異常目標時進行報警跟蹤。該技術可輔助公安人員開展測溫防疫工作。

五、結束語

HSI技術具有光譜分辨率高、波段信息廣的優點。作為一種光學檢測技術，其可以進行無接觸、遠程檢測，目前已成為公共衛生領域的新興成像方法。由于其可以為檢測樣本提供廣泛的光譜信息（可見光、紅外、紫外光譜），根據樣本光譜曲線差異，在環境監測與食品保障方面可以反映不同樣本的污染程度，在疾病防控方面可以根據疾病表現形式如體溫，快速定位傳染源。這些特點使得HSI在公共衛生領域有著巨大的發展潛力，可為公共監測系統提供信息依據。但是，HSI也存在一定的局限性。目前來看，公共衛生領域的HSI技術主要處于實驗水平，這是因為更高效的檢測技術需要高質量設備和大量數據集的支撐。并且，如何實時、有效地將成像技術與處理算法結合起來還有待進一步研究。相信隨著HSI不斷的發展與完善，其能在公共衛生領域將發揮更大的作用。

作者單位：閔博陽 新疆大學數學與系統科學學院

袁宇 國網江蘇省電力有限公司

參考文獻

[1]屈博，鄭向濤，錢學明，等.高光譜遙感影像異常目標檢測研究進展[J].遙感學報，2024，28（01）：42-54.

[2]謝金鳳，陳濤.考慮光譜信息和超像素分割的高光譜解混網絡[J].遙感學報，2024，28（01）：142-153.

[3]程寅翥.基于卷積神經網絡的遙感影像空譜聯合分類[D].中國科學院大學（中國科學院西安光學精密機械研究所），2023.

[4]王書偉，舒清態，馬旭，等.激光雷達與高光譜成像技術數據融合研究進展[J].遙感技術與應用，2024，39（01）：11-23.

[5]李偉，呂蒙，陳天虹，等.高光譜圖像在生物醫學中的應用[J].中國圖象圖形學報，2021，26（08）：1764-1785.

[6]劉思田，盧慧，王棟，等.星載高光譜成像系統發展綜述[J].航天返回與遙感，2023，44（06）：12-26.

[7]馬志祥.基于高光譜熒光和反射成像技術的乳腺術中快速病理診斷研究[D].山東大學，2022.

[8]S. Danaher，E. O'Mongain. 一種新的交叉相關算法及其在海水中羅丹明B染料檢測中的應用[J]. 遙感， 2007， 13（6）： 1743-1755.

[9]萬余慶，張鳳麗，閆永忠.高光譜遙感技術在水環境監測中的應用研究[J].國土資源遙感，2003，（03）：10-14.

[10]Kar S， 等. 利用高光譜數據對河水污染進行分類[J]. 水文學雜志， 2016， 537： 221-233.

[11]Lerner J，E. Weisz，G. Kirchengast. 利用模擬的紅外大氣探測干涉儀（IASI）測量數據進行溫度和濕度反演[J]. 地球物理研究雜志. 2002， 107： 4189-4199.

[12]宗雪梅. 大氣紅外輻射超高光譜探測器的檢測——污染氣體反演精度和光譜通道評估[J]. 環境科學學報， 2020， 40（04）： 1410-1421.

[13]李旭. \"Sentinel-5P\"衛星TROPOMI傳感器在江蘇省空氣污染監測中的初步應用[J]. 環境監測與預警， 2019， 11（02）： 10-16.

[14]范卉. 基于多光譜技術與光學層析方法的地溝油特征研究[D].西安工業大學，2017.

[15]張保華，李江波，樊書祥，等.高光譜成像技術在果蔬品質與安全無損檢測中的原理及應用[J].光譜學與光譜分析，2014，34（10）：2743-2751.

[16]程鋒，張華昌，陳天宇，等. 電動力濃縮和表面增強拉曼光譜技術在人血中快速（lt;5分鐘）檢測病原體的應用[J]. 科學報告， 2013， 3： 2365.

[17]賈瀟瀟，李蕓，范文輝，等.利用表面增強拉曼光譜技術分析溫度及pH值對H1N1亞型流感病毒增殖的影響[J].生物工程學報，2016，32（04）：447-456.

[18]秦潔. 基于拉曼光譜技術的丙型肝炎病毒感染血清檢測[D].新疆醫科大學，2019.