高光譜壓縮成像實現與數據處理研究

賈應彪

(韶關學院信息工程學院，廣東韶關512000)

1 引言

高光譜遙感成像技術集光譜與成像為一體，同時獲取目標物體的空間信息和光譜信息，具有極強的地物分類和識別能力，研究人員可以利用地物光譜特征來進行定性或定量分析，因此在航空航天遙感、國土資源調查、環境監測等領域有著廣泛應用前景。

高的空譜分辨率是高光譜成像儀獲得更廣泛應用的前提，在現有成像探測模式下，空間分辨率與光譜分辨率之間相互制約。通過增加探測器陣列的數量來提高分辨率會導致相鄰陣列之間信號串擾增大等一系列問題，且工作在紅外、紫外等非可見光譜的探測器制造難度較大且工作環境限制更苛刻。因此，如何進一步提升高光譜成像系統的分辨率仍是一個亟待解決的難題。基于壓縮感知理論設計的高光譜壓縮成像技術為研制具有高分辨率的高光譜成像儀提供了新的思路，能保證同時提升光譜分辨率和空間分辨率，在資源受限的遙感平臺(星載/機載)有廣泛應用前景[1]。

本文對壓縮感知理論在高光譜成像領域的應用進行研究討論。針對高光譜遙感的不同空間成像方式(擺掃式和推掃式)，討論高光譜壓縮采樣的硬件實現方案，為高光譜壓縮成像光譜儀的研制提供可行方案；期望能通過充分挖掘高光譜圖像的各類先驗信息來提高圖像重建精度或將高光譜壓縮采樣數據進行信號分析后直接用于地物的成分分析與分類，為高光譜壓縮成像光譜儀的具體應用提供可行思路。

2 高光譜壓縮采樣實現

隨著壓縮感知在各種應用領域研究的開展，高光譜壓縮感知研究也開始受到重視，如美國杜克大學、哈佛大學以及國內的中科院遙感所、中國科技大學等高等院校和研究機構都開展了這方面的研究工作，近幾年國內外每年都有較多關于高光譜壓縮成像研究的文章在遙感和圖像處理領域的學術期刊和國際會議上發表，該領域的研究雖然起步相對較晚，但是近幾年來卻相當活躍，一個主要研究方向就是高光譜壓縮感知的采樣實現。

2.1 編碼孔徑光譜成像與單像素光譜壓縮成像

將壓縮感知用于高光譜成像儀的設計，除了能獲得更高的分辨率外，在數據采集的同時也達到了數據壓縮的效果，因此該研究受到眾多學者的關注，相關的研究成果多，提出的高光譜壓縮成像方案也很多，但目前影響較大的主要有兩大類：一類是可實現空間和譜間聯合壓縮采樣的編碼孔徑光譜成像儀[2]，將傳統的色散型光譜成像技術中的狹縫更換為特殊形式的二維編碼模板，該成像系統對高光譜圖像的空間信息進行編碼，再將各譜段圖像移位混疊壓縮，再通過算法重建空間光譜圖像；另一類是基于單像素相機的高光譜壓縮感知成像儀[3]，實現了同時對空間信息和光譜信息的壓縮采樣。這些高光譜壓縮成像方案都需要傳感器一次性獲取圖像在整個空間范圍內的信息，而實際的高光譜遙感成像通常都是利用遙感平臺(機載或星載)的固有運動，采用基于行的推掃或基于點的擺掃方式來逐步獲取圖像在整個空間范圍內的信息。

2.2 高光譜擺掃式壓縮成像

Whiskbroom(擺掃) 是高光譜遙感中廣泛使用的一種掃描模式，它建立在一次對單個空間位置(像元)采樣的基礎上，逐點實現整個空間的成像。擺掃式高光譜壓縮成像方案的設計，先是光譜維向量單個壓縮采樣值的光學實現，再研究如何用并行方式來實現在一次曝光時間內獲取多個壓縮采樣值，最后得到完整的擺掃式壓縮方案。

參考上面的設計原理，高光譜擺掃型壓縮成像方式先對單個像元進行光譜維向量的壓縮采樣，再通過擺掃運動依次掃描獲取其他空間像元的壓縮采樣值。獲取單個像元壓縮采樣值方案[4]如圖1所示：輸入光信號對應單個空間點(像元)的光斑，通過色散元件(如衍射元件光柵)轉換成多個不同波長的光譜線，形成線狀光譜。然后經過一維編碼孔徑對線狀光譜實現空間編碼，實現壓縮采樣。光電探測元件探測到會聚透鏡聚集形成的光斑獲得像元的壓縮采樣值。

圖1 點空間壓縮采樣方案

2.3 高光譜推掃式壓縮成像

Pushbroom(推掃)式成像是傳統高光譜成像儀經常采用的方式，典型代表如中科院上海技術物理所的PHI系統。推掃式成像每次采集數據均對應為一維空間信息，即一次對地面空間成像行(行像元)進行采集。推掃式高光譜壓縮成像方案研究，先是如何實現地面行中所有像元光譜維信息的壓縮采樣，再設計完整的推掃式壓縮方案。

推掃式壓縮成像技術在信號采集時，對地面成像行中每個像元光譜維信息進行隨機壓縮采樣，地面空間成像行具體采樣過程方案如下：首先采用入射狹縫使得地面的入射輻射光線中只有空間成像行對應的光線能進入成像系統的準直系統前焦平面上進行準直，然后再采用棱鏡做色散分光處理。各波段單色光通過會聚鏡后可平行入射到數字微鏡器件(DMD，Digital Micromirror Device)，由可編程控制的DMD 各微鏡通過偏轉實現壓縮采樣，再經過柱面透鏡被線探測器獲取壓縮采樣值。方案如圖2所示。

圖2 行空間壓縮采樣方案

3 高光譜壓縮采樣數據處理

高光譜壓縮感知能有效減少數據采樣率，極大地促進新的高光譜成像技術發展。但高光譜壓縮感知獲取的只是隨機投影數據，在實際應用場合需要恢復高光譜原始數據或對數據進行處理。目前的研究重點主要集中在兩個方面：提高圖像的重建精度并對重建算法進行優化以獲取更快的執行速度；繞開煩瑣的高光譜圖像重建過程而直接用壓縮采樣數據來做場景分類、地物成分分析等數據處理。

3.1 高光譜壓縮采樣的圖像重建

當需要恢復高光譜原始數據時，精度高、速度快的重建算法成為高光譜壓縮成像設備能否實用的關鍵因素，結合高光譜圖像各類模型的聯合重建算法[5-6]受到重視。高光譜包含多個波段圖像，在重建高光譜圖像時可以利用已有的二維圖像壓縮感知重建算法分別重建波段圖像，在此基礎上通過利用高光譜圖像的譜間相關性來提升重建精度，基于此的多正則化方法能有效處理高光譜的重建，該方法的一個最重要的問題是需要盡量利用合適的高光譜圖像先驗信息。此外，壓縮感知重建過程需要大量的迭代會造成計算時間過長，重建過程也可以借助基于卷積神經網絡的深度學習來完成快速重建。

該方向研究展望一：通過分析高光譜圖像的各種特性來充分挖掘相關先驗信息，提高光譜圖像的重建精度。高光譜各波段圖像的空間相關信息，除了相鄰點之間具備相關性，地理結構的大范圍使得不相鄰的空間點之間也能提供一定的先驗信息；高光譜的譜間相關信息除了在相鄰波段比較明顯外，某些不相鄰波段之間相似度也很高這一特點值得利用；地理空間分布的特性，使得空間圖像具備與其他圖像不同的結構特性，如紋理信息，能夠給重建算法提供新的先驗信息；高光譜端元分解特性這一特性，可以利用線性混合模型等進行混合像元分解，用重建豐度系數矩陣來實現高光譜數據重建；高光譜的先驗信息多種多樣，同時利用多種先驗信息能有效提高重建精度，但采用的先驗信息越多，必將導致重建速度越慢，算法效率值得進一步研究。

該方向研究展望二：針對不同的空間成像方式下采樣對象的特性，可借鑒匹配追蹤、正交投影追蹤、內點法等算法以及多正則項凸優化的思想，仔細分析高光譜數據的紋理、結構先驗信息設計聯合重建算法；分析高光譜圖像的空譜聯合信息，結合解混技術構造新的高精度聯合重建算法。具體壓縮采樣方式下的數據重建方法以及重建性能分析也是研究重點，如針對擺掃式高光譜壓縮采樣方案，可結合分布式壓縮感知來研究相應重建方法；針對推掃式壓縮采樣方案，研究多向量壓縮感知重建算法實現高光譜圖像的重建。針對不同的空間成像方案，可結合高光譜圖像具備的紋理、結構先驗信息來設計高光譜圖像的聯合重建算法；也可結合高光譜圖像的空譜相關性和線性混合模型，研究更好保留光譜信息的高光譜圖像重建算法。

該方向研究展望三：引入目前廣受關注的深度學習。從算法理論的角度對深度學習算法進行改進來實現更優重建性能，將新算法與具體成像方式相結合應該效果會更好；研究泛化性更強的深度學習模型，由于高光譜數據量過大，數據收集不容易，往往訓練集來源較少，當測試集選用某些高光譜數據時重建效果可能不是很好。高光譜數據量過大，訓練過程過長導致深度學習在高光譜壓縮采樣領域的應用受限，因此，如何提高學習模型的訓練效率值得關注。

3.2 高光譜壓縮采樣數據的直接應用

在一些具體遙感應用場合，人們并不需要高光譜圖像數據本身，而是對某些高光譜特征信息(如目標分類信息、地物成分信息)感興趣。對高光譜壓縮采樣數據的直接應用，在采用高光譜壓縮成像儀獲取觀測值后，繞開了高復雜性的高光譜數據重建過程，直接計算給定的端元豐度系數等信息。

該方向研究展望：將高光譜壓縮采樣數據進行直接應用，可先研究現有壓縮感知理論中的壓縮采樣信號處理方法(用壓縮采樣數據直接做濾波、估計、模式識別等)，再參考現有高光譜遙感圖像分類與地物分析方法，然后針對高光譜遙感壓縮成像的特征，將高光譜壓縮采樣數據直接用在地面場景分類與地物成分分析等方面，并設計相應的信號處理算法。

4 小結

本文分析了壓縮感知理論在高光譜遙感的擺掃式和推掃式成像中的硬件實現以及數據處理方法，主要目的是為設計高光譜遙感的擺掃式和推掃式壓縮成像硬件實現方案，并為進一步研究快速、高精度的高光譜圖像重建方法提供思路，以及研究如何將不同空間成像方式下的壓縮采樣數據直接用于地物的成分分析與分類處理。論文內容對未來高光譜壓縮成像系統在機/星載平臺的具體實現和高光譜壓縮采樣數據的可行重建方案和應用研究具有一定參考價值。

總之，光譜壓縮成像技術是高光譜遙感領域的一個巨大突破，該領域研究進展較快，但該方法尚處于實驗室研究階段，如何針對具體應用場景來設計壓縮成像方案并優化相應的數據處理，最終實現工程應用，無疑需要進一步研究探索。