引言
目前，癌症诊断的金标准依然是组织病理学检查。然而，这种成本高昂的诊断方法不可避免地对人体造成损伤，并且因受限于病理学专家的主观判断，最终的诊断结果可能具有一定的片面性。而高光谱成像技术能够提供成像对象的组织成分及其空间结构信息，这使非侵入性的疾病诊断和临床治疗应用成为可能，具有极广阔的应用前景。
本文基于对高光谱成像的基本原理和高光谱显微成像系统的介绍，重点总结和阐述了1998—2021年间高光谱图像在生物医学领域的发展及应用，包括癌症、心脏病、视网膜疾病、中医舌诊、糖尿病、牙科疾病和皮肤病等常见疾病的新型诊断方法;肿瘤切缘检测、腹腔镜手术、肾手术、肠道手术和外科神经定位等手术指导。本文讨论了高光谱成像技术的局限性并且展望其未来的发展，总结了针对高光谱成像技术在疾病诊断和治疗方法有效性评估的相关临床结果和文献报道，表明高光谱成像技术作为一种有效的、非侵入性的辅助诊断手段，在生物医学应用领域具有非常大的发展空间和潜力。
高光谱成像技术
2.1 基本原理
高光谱成像技术是一种结合成像学和光谱学的混合模式，由多光谱遥感成像技术发展而来。高光谱成像技术是指利用光谱仪对成像对象在紫外（UV）、可见光（VIS）、红外、甚至中红外波段的光谱范围内的谱线（数十或数百条）进行连续扫描成像，收集每个像素处的光谱信息，生成空间和光谱信息的3维数据集（称为超立方体）。高光谱图像中的每个像素都包含了几十个到几百个连续窄波段的光谱信息，并且任一个波长下的光谱数据都能生成一幅二维图像，从而实现“图谱合一”。与多光谱成像（例如RGB彩色相机）相比，高光谱成像的光谱带更多（如图1所示）且光谱分辨率更高。因此，HSI有可能捕获不同病理条件下组织的细微光谱差异，而多光谱成像往往会难以获取足够多的用于诊断的重要光谱信息。
图1膜性肾病的高光谱图像
2.2 高光谱显微成像系统
高光谱显微成像系统主要以成像光谱仪、CCD相机和显微镜为主要组成部分，具有多种不同的分类标准，如工作波段、测量光谱类型、数据采集方式和光谱色散方式等。以数据采集方式为例，高光谱显微成像系统主要分为扫描型和快照式（snapshot）。其中，扫描型高光谱成像系统又可细分为摆扫式（whiskbroom）、推扫式（pushbroom）和凝视式（staring）。表1展示了这4种成像方式的技术特点。表2总结了代表性的HSI系统及其医学应用。
表1不同成像方式的光谱仪比较
摆扫式成像需要在横纵两个方向上移动电动控制平台来变换目标像素点，扫描一次只能收集单个像素，也称为逐点扫描。摆扫式高光谱显微系统采集数据时间较长、硬件复杂且效率较低。
推扫式成像也称为线性扫描，空间两个维度信息通过自扫描和平台运动实现，视场内的光信号依次经过物镜、入射狭缝和准直模块、色散元件，并成像于CCD相机。与摆扫式不同，推扫式通过一次扫描可以采集一列像素点的空间信息和光谱信息。由于推扫式采集方式扫描时间较长，图像的光谱分辨率和空间分辨率得以有效提升。无需外置摆扫装置的特点使得推扫式光谱仪具有相对小的体积，因而适用于生物医学领域应用。图2为典型推扫式光谱仪的成像原理示意图。
凝视式成像方式与传统相机类似，其采集的高光谱图像的光谱分辨率低于推扫式采集方式获取的图像，往往达不到高光谱分辨率的要求。凝视式高光谱仪内不设置运动机构，其体积较小，而各谱段图像并非同时扫描完成，因此它对探测动态的运动目标具有不适用性。
快照式高光谱成像技术的成像过程无需扫描，能够一次性获取目标物体的图像信息和光谱信息。该类仪器系统内部不存在移动部件或其他动态调节组件，抗干扰能力强，且成像速度快，因此适用于移动速度较快的目标物体，并且可以达到实时监测的目的。
表2代表性高光谱成像系统及其医学应用总结
图2推扫式高光谱成像系统的示意图
3、生物医学疾病诊断应用
高光谱成像技术具有“图谱合一”的优势，对组织进行检查时，因病变会引起组织成分信息（例如蛋白质、核酸、糖和水分）在含量和结构形态等方面的变化，进而引发光谱曲线在波形、峰强和波长等方面的改变。因此，高光谱成像技术能够在组织细胞形态未发生明显变化之前获取到细胞的异常信息，具有超前性，为鉴别正常组织和病变组织提供了强有力的依据。HSI在非侵入性癌症检测、糖尿病足溃疡、心脏和循环系统病理学及其他疾病检测、手术指导等方面发挥了重要作用，在医学诊断和临床研究领域展现了巨大的应用潜力。
3.1 癌症检测
目前癌症早期筛查诊断普遍使用的热断层扫描技术（TTM）、正电子发射计算机断层显像（PET-CT）等检测手段无法获取病变器官的分子层面信息，血芯片检测、基因检测和纳米检测等检测手段价格昂贵，对癌症早期精准筛查的发展和普及形成了极大障碍。与此同时，多数检测技术依赖的荧光信号探测存在猝灭、低信噪比及实验环境干扰等问题，易对结果产生错判。癌变过程意味着生物组织结构在细胞和亚细胞水平上存在变化，早期诊断癌症的重要标识信号就是生物组织内部结构和生物化学成分的变化。高光谱成像技术能够实现病理数字化，提供生物组织图像的3维数据立方体，包含二维图像信息与一维光谱信号，包含生物组织特征的空间信息和光谱信息，从而准确鉴别不同的病理组织成分，为病变组织器官的深层次分析研究提供了数据获取保障，在癌症诊断方面具有巨大的应用潜力。
3.2 宫颈癌
宫颈癌是妇女第四常见的癌症。据世界卫生组织截至2020年的统计数据，在全世界范围内，约60万名女性被诊断出患有宫颈癌，约34万名女性死于宫颈癌。目前存在的两种有效预防宫颈癌的方法是初级（人乳头瘤病毒（HPV）疫苗接种）和二级（筛查和治疗癌前病变）预防方法。只要早期发现并有效管理，晚期诊断的宫颈癌也可以通过适当的治疗来控制病情。通过全面的预防、筛查和治疗方法，宫颈癌可以作为公共卫生问题被消除。
基于光学技术的宫颈涂片检查是目前筛查宫颈癌的主要方法，可用于识别宫颈细胞和组织中的癌前病变和潜在癌前病变。然而，宫颈涂片检查的假阳性概率为15%40%。光谱学技术利用生物组织的光谱特征来识别病变和指导活检，提高了宫颈癌活检阳性概率，为宫颈癌临床诊断提供了一种可靠的、非侵入性临床诊断方法;计算机能对光谱成像实现自动分析，突破了检测结果受医师临床经验影响的限制。
Okimoto等人利用小波域中的主成分分析（PCA）为荧光成像光谱法无创检测宫颈上皮内瘤变（CIN）提供了新方法。使用连续小波变换（CWT）对高光谱每个像素的荧光光谱的多尺度结构提取数据立方体，然后使用PCA压缩和去噪小波表示，以呈现给前馈神经网络（FNN）进行组织分类。该方法可以在5种宫颈组织类别（包括:低度不典型增生（CIN1）、鳞状、柱状、化生和其他未指定组织类型（5种））中获得95%的平均分类准确率。与此同时，还训练了2类前馈神经网络，以区分CIN1和正常组织，并获得敏感性和特异性分别为98%和99%的结果。
高光谱成像技术用于体内检测宫颈上皮内瘤变时，面临多种限制，例如照明不均匀、设置成本高昂、体积大以及数据采集和处理非常耗时。为了克服这些限制，Zheng等人获取了600-800nm波长范围内的高光谱图像立方数据，并通过宽间隔二阶导数分析方法对其进行了处理。该方法有效地减少了由于照明不均匀和背景吸收而引起的图像伪影。此外，通过二阶导数分析，只需使用3个特定的波段（620nm、696nm和772nm）即可实现具有最佳可分离性的组织分类。将3位患者的宫颈高光谱图像用于分类分析，Zheng等人提出的方法将宫颈组织成功地分为正常，炎症和高级别病变等3类。图3展示了一位高度病变的宫颈癌患者的分类结果。图3（a）是应用3%5%乙酸后的数字阴道镜图像，由经验丰富的外科医生标记的黑色圆圈表示高度病变区域，用红线分隔的区域表示那勃氏囊肿的部分。图3（b）是应用鲁戈氏碘液后的数字阴道镜图像。图3（c）是在696nm处的单个波长的反射率图像。图3（d）是应用Zheng等人方法得到的分类结果。由经验丰富的外科医生绘制的黑色圆圈表示高度病变区域，用红线分隔的区域表示那勃氏囊肿的部分。实验结果表明，分类结果与有经验的妇科肿瘤学家在使用乙酸后的分类结果一致。
图3一位高度病变患者图像的分类结果
3.3 皮肤癌
皮肤是人体最大的器官，皮肤黑素瘤是高度恶性的皮肤肿瘤。皮肤黑色素瘤的大多数病例在被诊断后已经处于晚期，缺乏有效的治疗方法。手术切除、化学疗法和其他疗法只能延长患有该疾病的患者的寿命。皮肤癌的早期发现对于规划癌症病变的有效疗法至关重要。常规的皮肤诊断是基于对病变的肉眼检查，并且检查结果准确度取决于皮肤科医生的专业知识。通过肉眼检查无法确诊时，皮肤科医生通常需要进行活检以确认病变是否为恶性。该方法存在假阳性和假阴性的问题，导致不必要的手术程序。因此，无创和非侵入的高光谱成像技术可以在皮肤肿瘤的早期检测中发挥重要的临床作用。
Nunez等人基于人类皮肤的固有属性，不使用“高光谱到RGB图像的转换”，使用高光谱仪器（光谱范围400-2500nm）估计被识别为皮肤像素中包含的黑素体的数量，从而估计出皮肤的颜色。
为了能够在早期发现黑色素瘤，研究人员已经对其进行广泛研究并开发了自动黑色素瘤筛选系统。Nagaoka等人提出一种高光谱黑素瘤筛查系统，并提出了一种基于皮肤色素分子特征的黑素瘤鉴别指数。Nagaoka等人将高光谱成像仪和黑色素瘤鉴别指数应用于鉴别头端痣（AN）和急性肺部黑色素瘤（ALM）。通过诊断性能评估，该方法获得了92%的敏感性和86%的特异性，在分子色素水平上提出的客观黑色素瘤鉴别指数的性能接近临床专家。Vyas等人基于人体皮肤的物理模型开发了一种机器学习与高光谱成像相结合的新方法，无创地估算生理皮肤参数，包括黑素体、胶原蛋白、氧饱和度和血容量。
黄怡提出了一种基于特征谱的监督最小二乘支持向量机（CSS-LSSVM）分割方法对恶性黑色素细胞进行分割。CSS-LSSVM基于传统的最小二乘支持向量机（LSS-VM）算法，选择目标样本的特征谱作为参考，获得了皮肤黑色素瘤实验样品中恶性黑色素细胞高达85%的分割精度。图4显示了黑色素瘤细胞识别实验的结果。与SVM分割方法相比，CSS-LSSVM分割方法可以识别更多的恶性黑色素瘤细胞区域。
高光谱成像是一种新型非侵入性技术，能够捕获超出人眼能力范围的样本光谱特性，促进色素性皮肤病变（PSL）的检测和分类。Leon等人提出了基于HSI皮肤病学采集系统，该系统在450950nm光谱范围内捕获了125个光谱带，获得了来自61位患者的76幅PSL高光谱图像。对采集的高光谱图像构建PSL数据库，并对库内样本进行了标记和分类，分为良性和恶性两类。Leon等人提出了一种基于半监督算法的PSL自动识别和分类的处理框架。实验结果表明，鉴别恶性和良性PSL的敏感性和特异性结果分别为87.5%和100%。这项研究初步表明，HSI技术有潜力在临床常规实践中使用实时无创手持设备帮助皮肤科医生辨别良性和恶性PSL。
图4黑色素瘤细胞识别实验的结果
3.4 胃癌
癌症检测方法可以帮助医生诊断癌症，以安全的边界解剖恶性区域，并评估切除后的肿瘤床。Akbari等人通过构建10名患者胃癌数据库，对红外波长范围内高光谱图像对肿瘤的检测进行评估。通过提取癌性和非癌性组织中的光谱特征进行诊断，并将高光谱图像转变为伪彩色图像实现专家的诊断标记，判断图像内是否含有胃癌组织并圈出胃癌组织轮廓和癌细胞。图5（a）中红线标记的区域为胃癌组织区域，图5（b）中绿线标记的区域为单个癌细胞。实验结果能够突出显示癌性组织与非癌性组织的反射特性之间的差异，证明了该系统的应用潜力。
Goto等人研究了使用高光谱成像仪记录胃肿瘤和正常黏膜的光谱反射率（SR）的差异，以此确定可用于诊断胃癌的特定波长。该实验使用高光谱相机记录了日本山口大学医院的96例患者经内镜黏膜剥离术切除的104例胃肿瘤，并确定了将肿瘤与正常黏膜区分开的最佳波长和临界值，以建立诊断算法。选择770nm的波长和1/4的校正SR的截止值作为各自的最佳波长和截止值。该算法的特异性和准确性分别为98%和85%。实验结果表明，HSI可用于测量胃肿瘤中的SR，准确区分肿瘤性黏膜和正常黏膜。
Ogihara等人利用校正后的反射率，设计了胃癌诊断支持系统。在系统设计中，仅通过训练样本即可解决选择最佳波长和优化分类器截止值的问题。以104例胃癌为样本，独立重复设计评价系统30次，在对30个试验的性能进行分析后，所得平均敏感性为72.2%，特异性为98.8%。结果表明，该系统可有效支持胃癌筛查。
Hu等人使用高光谱显微成像技术建立了30例胃癌患者的高光谱数据库。基于胃癌组织与正常组织在410-910nm波长范围内光谱空间特征的差异，Hu等人提出基于深度学习的胃癌组织分析方法，研究了胃组织的微观高光谱特征和个体差异。实验结果表明，该模型对胃癌和正常胃组织的分类准确率为97.57%，对胃癌组织的敏感性和特异性分别为97.19%和97.96%。
图5胃癌组织轮廓和癌细胞的伪彩色图像
3.5 口腔癌
口腔癌是一种复杂的，广泛传播的癌症，严重危害人体的健康。先进的技术和深度学习算法可以实现口腔癌的早期检测和分类。医学成像技术、计算机辅助诊断和检测可以提高癌症治疗效果。Jeyaraj和Nadar通过分析口腔癌患者的高光谱图像，开发了一种用于计算机辅助口腔癌自动检测系统的深度学习算法。在100幅高光谱图像数据训练下，算法分类精度为91.4%，灵敏度为0.94，特异性为0.91。
3.6 心脏和循环病理学
据心血管疾病调查数据显示，心血管疾病在全球范围内具有较高的疾病致死率。2015年死于心血管疾病的人数高达1790万，经保守估计到2030年死亡人数将增至2360万。心血管疾病的防治任务对临床检测分析技术提出了更高的要求。高光谱成像技术作为一种新型可视化技术已应用于心脏和循环系统病理学的初期探索。
外周动脉疾病（PAD）常引起行走时的不适或疼痛，可发生在下肢的各个部位。在严重的外周动脉疾病中，有时会出现肢端溃疡，如果不改善局部的血液循环，这些溃疡会变干变黑，最后坏死。Chin等人利用高光谱成像技术对PAD进行检测和病程评估。实验使用可见光HSI系统测量正常人和PAD患者的氧合血红蛋白和脱氧血红蛋白的浓度，从而获取正常人和PAD患者下肢氧合水平的差异。该研究初步证明高光谱成像能够无创检测氧合血红蛋白和脱氧血红蛋白的浓度，具有诊断和评估PAD的应用潜力。
易损斑块具有造成严重心脏病的风险，并且难以使用现有方法进行识别。高光谱成像结合了光谱和空间信息，为动脉粥样硬化病变的精确光学表征提供了新的可能性。
Larsen等人使用白光和紫外线照射，从切除的主动脉样本中收集高光谱数据，结合组织学使用K均值聚类、主成分分析等统计图像分析工具和反射率来评估高光谱图像。图像分析与组织学相结合的方法不仅能揭示主动脉斑块的复杂性和异质性，还可以从高光谱图像中识别斑块特征，例如脂质和钙化。大多数晚期病变区域被斑块的外缘或肩部区域包围，这被认为是易损病变中的薄弱点，这些特征可以在白光和荧光数据中识别出来。该实验证明了将高光谱成像用于体外检测和鉴定晚期动脉粥样硬化斑块的可能性。与常规的单点光谱测量相比，高光谱成像可提供更多有关病变异质性的诊断信息。
胆固醇晶体（ChCs）已被认为是斑块易损性的主要因素，并且是动脉粥样硬化的潜在生物标志物。然而，在自身组织环境中，选择性地检测胆固醇是一项技术挑战。Suhalim等人证明了高光谱激发拉曼散射显微镜（SRS）与二次谐波显微镜（SHG）相结合可以选择性地检测ChCs。
4、讨论
在过去的几十年里，高光谱成像作为一种非接触、免标记的新型光学诊断技术，通过获取肉眼不可见的附加光谱图像信息，为临床医学提供了有效的辅助诊断技术手段。随着高光谱成像技术对医学应用探索的不断深化和扩展，高光谱成像的医学应用可能会受到成像系统成本和从大量的医学高光谱图像数据中精准且快速地挖掘出具有重要诊断价值的特征信息能力的限制。医学高光谱图像的高空间分辨率、高维度和空谱特征关联等特点，为图像分析和实际工程应用带来很大困难和挑战。光谱分析方法是仅测量有限数量点的点测量方法，因此，所获取的光学特性可能会因局部组织的不均匀性而产生偏差，并且可能会丢失重要的诊断信息。尽管光谱学已被广泛研究以探测分子、细胞和组织特性并表征组织参数与疾病状态的相关性，但HSI的基础研究仍尚未深入。
因此，有必要对医学高光谱图像的生物学原理进行基础研究，并利用光谱学对HSI系统进行验证。HSI非唯一性的存在是HSI的另一个局限性。HSI技术从反射率和透射率的测量中推导出相互作用系数以间接提取组织内光学特性空间图，这是一个不适定的逆问题，没有唯一解。此外，HSI可以测量来自大面积组织的大量光谱信息，但实践中很难消除光谱轮廓与生物样品匹配的模糊性。目前，大多数文献报道了在不深入分析获得的图像数据的情况下应用HSI的可行性。由于图像数据集通常被限制在特定的仪器上，一些结果可能缺乏通用性。因此，需要各种疾病的组织、细胞和分子的可访问、准确和可持续更新的光谱数据库，以便为疾病诊断和治疗提供有价值的工具。例如，肾肿瘤的每一个亚型都可能具有不同的形态和分子特征，从而导致光谱特征的差异。因此，肾肿瘤的光谱库可以提供参考光谱，以帮助高光谱图像的解释。此外，为了充分利用HSI提供的丰富的光谱和空间信息，还需要研究先进的数据挖掘方法。
近20年来，高光谱成像技术在硬件和系统上得到了飞速的发展，在医疗领域得到广泛应用。大多数医学高光谱图像只探测光的紫外线、可见光和近红外区域。因此，对中红外光谱范围内高光谱图像的探索有可能为疾病检测、诊断和监测带来新的见解。此外，高光谱成像技术与术前正电子发射断层扫描、术中超声等其他成像方式相结合，发挥各项技术的关键优势，克服高光谱成像技术对生物组织的穿透能力的限制，拓宽HSI的应用领域。随着与显微镜、阴道镜、腹腔镜和眼底照相机等技术的日益融合，高光谱成像技术为分子、细胞、组织和器官水平的潜在临床应用提供重要信息。HSI的临床应用显然处于青春期，需要更多的验证才能将其安全有效地用于临床实践。随着硬件技术、图像分析方法和计算能力的不断发展，HSI有望实现辅助非侵入性疾病的诊断和监测，癌症生物标志物的鉴定和定量分析，图像引导的微创手术、靶向给药和跟踪、药物剂量评估。
推荐：
便携式地物光谱仪iSpecField-NIR/WNIR
专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪。
无人机机载高光谱成像系统iSpecHyper-VM100
一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。
便携式高光谱成像系统iSpecHyper-VS1000
专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品，主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像，系统集成高性能数据采集与分析处理系统，高速USB3.0接口传输，全靶面高成像质量光学设计，物镜接口为标准C-Mount，可根据用户需求更换物镜。
引言
目前，癌症诊断的金标准依然是组织病理学检查。然而，这种成本高昂的诊断方法不可避免地对人体造成损伤，并且因受限于病理学专家的主观判断，最终的诊断结果可能具有一定的片面性。而高光谱成像技术能够提供成像对象的组织成分及其空间结构信息，这使非侵入性的疾病诊断和临床治疗应用成为可能，具有极广阔的应用前景。
本文基于对高光谱成像的基本原理和高光谱显微成像系统的介绍，重点总结和阐述了1998—2021年间高光谱图像在生物医学领域的发展及应用，包括癌症、心脏病、视网膜疾病、中医舌诊、糖尿病、牙科疾病和皮肤病等常见疾病的新型诊断方法;肿瘤切缘检测、腹腔镜手术、肾手术、肠道手术和外科神经定位等手术指导。本文讨论了高光谱成像技术的局限性并且展望其未来的发展，总结了针对高光谱成像技术在疾病诊断和治疗方法有效性评估的相关临床结果和文献报道，表明高光谱成像技术作为一种有效的、非侵入性的辅助诊断手段，在生物医学应用领域具有非常大的发展空间和潜力。
高光谱成像技术
2.1 基本原理
高光谱成像技术是一种结合成像学和光谱学的混合模式，由多光谱遥感成像技术发展而来。高光谱成像技术是指利用光谱仪对成像对象在紫外（UV）、可见光（VIS）、红外、甚至中红外波段的光谱范围内的谱线（数十或数百条）进行连续扫描成像，收集每个像素处的光谱信息，生成空间和光谱信息的3维数据集（称为超立方体）。高光谱图像中的每个像素都包含了几十个到几百个连续窄波段的光谱信息，并且任一个波长下的光谱数据都能生成一幅二维图像，从而实现“图谱合一”。与多光谱成像（例如RGB彩色相机）相比，高光谱成像的光谱带更多（如图1所示）且光谱分辨率更高。因此，HSI有可能捕获不同病理条件下组织的细微光谱差异，而多光谱成像往往会难以获取足够多的用于诊断的重要光谱信息。
图1膜性肾病的高光谱图像
2.2 高光谱显微成像系统
高光谱显微成像系统主要以成像光谱仪、CCD相机和显微镜为主要组成部分，具有多种不同的分类标准，如工作波段、测量光谱类型、数据采集方式和光谱色散方式等。以数据采集方式为例，高光谱显微成像系统主要分为扫描型和快照式（snapshot）。其中，扫描型高光谱成像系统又可细分为摆扫式（whiskbroom）、推扫式（pushbroom）和凝视式（staring）。表1展示了这4种成像方式的技术特点。表2总结了代表性的HSI系统及其医学应用。
表1不同成像方式的光谱仪比较
摆扫式成像需要在横纵两个方向上移动电动控制平台来变换目标像素点，扫描一次只能收集单个像素，也称为逐点扫描。摆扫式高光谱显微系统采集数据时间较长、硬件复杂且效率较低。
推扫式成像也称为线性扫描，空间两个维度信息通过自扫描和平台运动实现，视场内的光信号依次经过物镜、入射狭缝和准直模块、色散元件，并成像于CCD相机。与摆扫式不同，推扫式通过一次扫描可以采集一列像素点的空间信息和光谱信息。由于推扫式采集方式扫描时间较长，图像的光谱分辨率和空间分辨率得以有效提升。无需外置摆扫装置的特点使得推扫式光谱仪具有相对小的体积，因而适用于生物医学领域应用。图2为典型推扫式光谱仪的成像原理示意图。
凝视式成像方式与传统相机类似，其采集的高光谱图像的光谱分辨率低于推扫式采集方式获取的图像，往往达不到高光谱分辨率的要求。凝视式高光谱仪内不设置运动机构，其体积较小，而各谱段图像并非同时扫描完成，因此它对探测动态的运动目标具有不适用性。
快照式高光谱成像技术的成像过程无需扫描，能够一次性获取目标物体的图像信息和光谱信息。该类仪器系统内部不存在移动部件或其他动态调节组件，抗干扰能力强，且成像速度快，因此适用于移动速度较快的目标物体，并且可以达到实时监测的目的。
表2代表性高光谱成像系统及其医学应用总结
图2推扫式高光谱成像系统的示意图
3、生物医学疾病诊断应用
高光谱成像技术具有“图谱合一”的优势，对组织进行检查时，因病变会引起组织成分信息（例如蛋白质、核酸、糖和水分）在含量和结构形态等方面的变化，进而引发光谱曲线在波形、峰强和波长等方面的改变。因此，高光谱成像技术能够在组织细胞形态未发生明显变化之前获取到细胞的异常信息，具有超前性，为鉴别正常组织和病变组织提供了强有力的依据。HSI在非侵入性癌症检测、糖尿病足溃疡、心脏和循环系统病理学及其他疾病检测、手术指导等方面发挥了重要作用，在医学诊断和临床研究领域展现了巨大的应用潜力。
3.1 癌症检测
目前癌症早期筛查诊断普遍使用的热断层扫描技术（TTM）、正电子发射计算机断层显像（PET-CT）等检测手段无法获取病变器官的分子层面信息，血芯片检测、基因检测和纳米检测等检测手段价格昂贵，对癌症早期精准筛查的发展和普及形成了极大障碍。与此同时，多数检测技术依赖的荧光信号探测存在猝灭、低信噪比及实验环境干扰等问题，易对结果产生错判。癌变过程意味着生物组织结构在细胞和亚细胞水平上存在变化，早期诊断癌症的重要标识信号就是生物组织内部结构和生物化学成分的变化。高光谱成像技术能够实现病理数字化，提供生物组织图像的3维数据立方体，包含二维图像信息与一维光谱信号，包含生物组织特征的空间信息和光谱信息，从而准确鉴别不同的病理组织成分，为病变组织器官的深层次分析研究提供了数据获取保障，在癌症诊断方面具有巨大的应用潜力。
3.2 宫颈癌
宫颈癌是妇女第四常见的癌症。据世界卫生组织截至2020年的统计数据，在全世界范围内，约60万名女性被诊断出患有宫颈癌，约34万名女性死于宫颈癌。目前存在的两种有效预防宫颈癌的方法是初级（人乳头瘤病毒（HPV）疫苗接种）和二级（筛查和治疗癌前病变）预防方法。只要早期发现并有效管理，晚期诊断的宫颈癌也可以通过适当的治疗来控制病情。通过全面的预防、筛查和治疗方法，宫颈癌可以作为公共卫生问题被消除。
基于光学技术的宫颈涂片检查是目前筛查宫颈癌的主要方法，可用于识别宫颈细胞和组织中的癌前病变和潜在癌前病变。然而，宫颈涂片检查的假阳性概率为15%40%。光谱学技术利用生物组织的光谱特征来识别病变和指导活检，提高了宫颈癌活检阳性概率，为宫颈癌临床诊断提供了一种可靠的、非侵入性临床诊断方法;计算机能对光谱成像实现自动分析，突破了检测结果受医师临床经验影响的限制。
Okimoto等人利用小波域中的主成分分析（PCA）为荧光成像光谱法无创检测宫颈上皮内瘤变（CIN）提供了新方法。使用连续小波变换（CWT）对高光谱每个像素的荧光光谱的多尺度结构提取数据立方体，然后使用PCA压缩和去噪小波表示，以呈现给前馈神经网络（FNN）进行组织分类。该方法可以在5种宫颈组织类别（包括:低度不典型增生（CIN1）、鳞状、柱状、化生和其他未指定组织类型（5种））中获得95%的平均分类准确率。与此同时，还训练了2类前馈神经网络，以区分CIN1和正常组织，并获得敏感性和特异性分别为98%和99%的结果。
高光谱成像技术用于体内检测宫颈上皮内瘤变时，面临多种限制，例如照明不均匀、设置成本高昂、体积大以及数据采集和处理非常耗时。为了克服这些限制，Zheng等人获取了600-800nm波长范围内的高光谱图像立方数据，并通过宽间隔二阶导数分析方法对其进行了处理。该方法有效地减少了由于照明不均匀和背景吸收而引起的图像伪影。此外，通过二阶导数分析，只需使用3个特定的波段（620nm、696nm和772nm）即可实现具有最佳可分离性的组织分类。将3位患者的宫颈高光谱图像用于分类分析，Zheng等人提出的方法将宫颈组织成功地分为正常，炎症和高级别病变等3类。图3展示了一位高度病变的宫颈癌患者的分类结果。图3（a）是应用3%5%乙酸后的数字阴道镜图像，由经验丰富的外科医生标记的黑色圆圈表示高度病变区域，用红线分隔的区域表示那勃氏囊肿的部分。图3（b）是应用鲁戈氏碘液后的数字阴道镜图像。图3（c）是在696nm处的单个波长的反射率图像。图3（d）是应用Zheng等人方法得到的分类结果。由经验丰富的外科医生绘制的黑色圆圈表示高度病变区域，用红线分隔的区域表示那勃氏囊肿的部分。实验结果表明，分类结果与有经验的妇科肿瘤学家在使用乙酸后的分类结果一致。
图3一位高度病变患者图像的分类结果
3.3 皮肤癌
皮肤是人体最大的器官，皮肤黑素瘤是高度恶性的皮肤肿瘤。皮肤黑色素瘤的大多数病例在被诊断后已经处于晚期，缺乏有效的治疗方法。手术切除、化学疗法和其他疗法只能延长患有该疾病的患者的寿命。皮肤癌的早期发现对于规划癌症病变的有效疗法至关重要。常规的皮肤诊断是基于对病变的肉眼检查，并且检查结果准确度取决于皮肤科医生的专业知识。通过肉眼检查无法确诊时，皮肤科医生通常需要进行活检以确认病变是否为恶性。该方法存在假阳性和假阴性的问题，导致不必要的手术程序。因此，无创和非侵入的高光谱成像技术可以在皮肤肿瘤的早期检测中发挥重要的临床作用。
Nunez等人基于人类皮肤的固有属性，不使用“高光谱到RGB图像的转换”，使用高光谱仪器（光谱范围400-2500nm）估计被识别为皮肤像素中包含的黑素体的数量，从而估计出皮肤的颜色。
为了能够在早期发现黑色素瘤，研究人员已经对其进行广泛研究并开发了自动黑色素瘤筛选系统。Nagaoka等人提出一种高光谱黑素瘤筛查系统，并提出了一种基于皮肤色素分子特征的黑素瘤鉴别指数。Nagaoka等人将高光谱成像仪和黑色素瘤鉴别指数应用于鉴别头端痣（AN）和急性肺部黑色素瘤（ALM）。通过诊断性能评估，该方法获得了92%的敏感性和86%的特异性，在分子色素水平上提出的客观黑色素瘤鉴别指数的性能接近临床专家。Vyas等人基于人体皮肤的物理模型开发了一种机器学习与高光谱成像相结合的新方法，无创地估算生理皮肤参数，包括黑素体、胶原蛋白、氧饱和度和血容量。
黄怡提出了一种基于特征谱的监督最小二乘支持向量机（CSS-LSSVM）分割方法对恶性黑色素细胞进行分割。CSS-LSSVM基于传统的最小二乘支持向量机（LSS-VM）算法，选择目标样本的特征谱作为参考，获得了皮肤黑色素瘤实验样品中恶性黑色素细胞高达85%的分割精度。图4显示了黑色素瘤细胞识别实验的结果。与SVM分割方法相比，CSS-LSSVM分割方法可以识别更多的恶性黑色素瘤细胞区域。
高光谱成像是一种新型非侵入性技术，能够捕获超出人眼能力范围的样本光谱特性，促进色素性皮肤病变（PSL）的检测和分类。Leon等人提出了基于HSI皮肤病学采集系统，该系统在450950nm光谱范围内捕获了125个光谱带，获得了来自61位患者的76幅PSL高光谱图像。对采集的高光谱图像构建PSL数据库，并对库内样本进行了标记和分类，分为良性和恶性两类。Leon等人提出了一种基于半监督算法的PSL自动识别和分类的处理框架。实验结果表明，鉴别恶性和良性PSL的敏感性和特异性结果分别为87.5%和100%。这项研究初步表明，HSI技术有潜力在临床常规实践中使用实时无创手持设备帮助皮肤科医生辨别良性和恶性PSL。
图4黑色素瘤细胞识别实验的结果
3.4 胃癌
癌症检测方法可以帮助医生诊断癌症，以安全的边界解剖恶性区域，并评估切除后的肿瘤床。Akbari等人通过构建10名患者胃癌数据库，对红外波长范围内高光谱图像对肿瘤的检测进行评估。通过提取癌性和非癌性组织中的光谱特征进行诊断，并将高光谱图像转变为伪彩色图像实现专家的诊断标记，判断图像内是否含有胃癌组织并圈出胃癌组织轮廓和癌细胞。图5（a）中红线标记的区域为胃癌组织区域，图5（b）中绿线标记的区域为单个癌细胞。实验结果能够突出显示癌性组织与非癌性组织的反射特性之间的差异，证明了该系统的应用潜力。
Goto等人研究了使用高光谱成像仪记录胃肿瘤和正常黏膜的光谱反射率（SR）的差异，以此确定可用于诊断胃癌的特定波长。该实验使用高光谱相机记录了日本山口大学医院的96例患者经内镜黏膜剥离术切除的104例胃肿瘤，并确定了将肿瘤与正常黏膜区分开的最佳波长和临界值，以建立诊断算法。选择770nm的波长和1/4的校正SR的截止值作为各自的最佳波长和截止值。该算法的特异性和准确性分别为98%和85%。实验结果表明，HSI可用于测量胃肿瘤中的SR，准确区分肿瘤性黏膜和正常黏膜。
Ogihara等人利用校正后的反射率，设计了胃癌诊断支持系统。在系统设计中，仅通过训练样本即可解决选择最佳波长和优化分类器截止值的问题。以104例胃癌为样本，独立重复设计评价系统30次，在对30个试验的性能进行分析后，所得平均敏感性为72.2%，特异性为98.8%。结果表明，该系统可有效支持胃癌筛查。
Hu等人使用高光谱显微成像技术建立了30例胃癌患者的高光谱数据库。基于胃癌组织与正常组织在410-910nm波长范围内光谱空间特征的差异，Hu等人提出基于深度学习的胃癌组织分析方法，研究了胃组织的微观高光谱特征和个体差异。实验结果表明，该模型对胃癌和正常胃组织的分类准确率为97.57%，对胃癌组织的敏感性和特异性分别为97.19%和97.96%。
图5胃癌组织轮廓和癌细胞的伪彩色图像
3.5 口腔癌
口腔癌是一种复杂的，广泛传播的癌症，严重危害人体的健康。先进的技术和深度学习算法可以实现口腔癌的早期检测和分类。医学成像技术、计算机辅助诊断和检测可以提高癌症治疗效果。Jeyaraj和Nadar通过分析口腔癌患者的高光谱图像，开发了一种用于计算机辅助口腔癌自动检测系统的深度学习算法。在100幅高光谱图像数据训练下，算法分类精度为91.4%，灵敏度为0.94，特异性为0.91。
3.6 心脏和循环病理学
据心血管疾病调查数据显示，心血管疾病在全球范围内具有较高的疾病致死率。2015年死于心血管疾病的人数高达1790万，经保守估计到2030年死亡人数将增至2360万。心血管疾病的防治任务对临床检测分析技术提出了更高的要求。高光谱成像技术作为一种新型可视化技术已应用于心脏和循环系统病理学的初期探索。
外周动脉疾病（PAD）常引起行走时的不适或疼痛，可发生在下肢的各个部位。在严重的外周动脉疾病中，有时会出现肢端溃疡，如果不改善局部的血液循环，这些溃疡会变干变黑，最后坏死。Chin等人利用高光谱成像技术对PAD进行检测和病程评估。实验使用可见光HSI系统测量正常人和PAD患者的氧合血红蛋白和脱氧血红蛋白的浓度，从而获取正常人和PAD患者下肢氧合水平的差异。该研究初步证明高光谱成像能够无创检测氧合血红蛋白和脱氧血红蛋白的浓度，具有诊断和评估PAD的应用潜力。
易损斑块具有造成严重心脏病的风险，并且难以使用现有方法进行识别。高光谱成像结合了光谱和空间信息，为动脉粥样硬化病变的精确光学表征提供了新的可能性。
Larsen等人使用白光和紫外线照射，从切除的主动脉样本中收集高光谱数据，结合组织学使用K均值聚类、主成分分析等统计图像分析工具和反射率来评估高光谱图像。图像分析与组织学相结合的方法不仅能揭示主动脉斑块的复杂性和异质性，还可以从高光谱图像中识别斑块特征，例如脂质和钙化。大多数晚期病变区域被斑块的外缘或肩部区域包围，这被认为是易损病变中的薄弱点，这些特征可以在白光和荧光数据中识别出来。该实验证明了将高光谱成像用于体外检测和鉴定晚期动脉粥样硬化斑块的可能性。与常规的单点光谱测量相比，高光谱成像可提供更多有关病变异质性的诊断信息。
胆固醇晶体（ChCs）已被认为是斑块易损性的主要因素，并且是动脉粥样硬化的潜在生物标志物。然而，在自身组织环境中，选择性地检测胆固醇是一项技术挑战。Suhalim等人证明了高光谱激发拉曼散射显微镜（SRS）与二次谐波显微镜（SHG）相结合可以选择性地检测ChCs。
4、讨论
在过去的几十年里，高光谱成像作为一种非接触、免标记的新型光学诊断技术，通过获取肉眼不可见的附加光谱图像信息，为临床医学提供了有效的辅助诊断技术手段。随着高光谱成像技术对医学应用探索的不断深化和扩展，高光谱成像的医学应用可能会受到成像系统成本和从大量的医学高光谱图像数据中精准且快速地挖掘出具有重要诊断价值的特征信息能力的限制。医学高光谱图像的高空间分辨率、高维度和空谱特征关联等特点，为图像分析和实际工程应用带来很大困难和挑战。光谱分析方法是仅测量有限数量点的点测量方法，因此，所获取的光学特性可能会因局部组织的不均匀性而产生偏差，并且可能会丢失重要的诊断信息。尽管光谱学已被广泛研究以探测分子、细胞和组织特性并表征组织参数与疾病状态的相关性，但HSI的基础研究仍尚未深入。
因此，有必要对医学高光谱图像的生物学原理进行基础研究，并利用光谱学对HSI系统进行验证。HSI非唯一性的存在是HSI的另一个局限性。HSI技术从反射率和透射率的测量中推导出相互作用系数以间接提取组织内光学特性空间图，这是一个不适定的逆问题，没有唯一解。此外，HSI可以测量来自大面积组织的大量光谱信息，但实践中很难消除光谱轮廓与生物样品匹配的模糊性。目前，大多数文献报道了在不深入分析获得的图像数据的情况下应用HSI的可行性。由于图像数据集通常被限制在特定的仪器上，一些结果可能缺乏通用性。因此，需要各种疾病的组织、细胞和分子的可访问、准确和可持续更新的光谱数据库，以便为疾病诊断和治疗提供有价值的工具。例如，肾肿瘤的每一个亚型都可能具有不同的形态和分子特征，从而导致光谱特征的差异。因此，肾肿瘤的光谱库可以提供参考光谱，以帮助高光谱图像的解释。此外，为了充分利用HSI提供的丰富的光谱和空间信息，还需要研究先进的数据挖掘方法。
近20年来，高光谱成像技术在硬件和系统上得到了飞速的发展，在医疗领域得到广泛应用。大多数医学高光谱图像只探测光的紫外线、可见光和近红外区域。因此，对中红外光谱范围内高光谱图像的探索有可能为疾病检测、诊断和监测带来新的见解。此外，高光谱成像技术与术前正电子发射断层扫描、术中超声等其他成像方式相结合，发挥各项技术的关键优势，克服高光谱成像技术对生物组织的穿透能力的限制，拓宽HSI的应用领域。随着与显微镜、阴道镜、腹腔镜和眼底照相机等技术的日益融合，高光谱成像技术为分子、细胞、组织和器官水平的潜在临床应用提供重要信息。HSI的临床应用显然处于青春期，需要更多的验证才能将其安全有效地用于临床实践。随着硬件技术、图像分析方法和计算能力的不断发展，HSI有望实现辅助非侵入性疾病的诊断和监测，癌症生物标志物的鉴定和定量分析，图像引导的微创手术、靶向给药和跟踪、药物剂量评估。
推荐：
便携式地物光谱仪iSpecField-NIR/WNIR
专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪。
无人机机载高光谱成像系统iSpecHyper-VM100
一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。
便携式高光谱成像系统iSpecHyper-VS1000
专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品，主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像，系统集成高性能数据采集与分析处理系统，高速USB3.0接口传输，全靶面高成像质量光学设计，物镜接口为标准C-Mount，可根据用户需求更换物镜。
返回搜狐，查看更多
责任编辑：}

2022-11-16 15:33
来源:
莱森光学
0引言
在陆地生态系统中，森林、草地和作物生态系统占了很大的比重，通过对森林、草地和作物等不同生态系统下的植物生物量进行长期的监测与研究，可以从区域至全球尺度上了解和掌握气候变化与碳循环的发展变化过程及土地质量情况。传统方法估测植被生物量需要以大量实地调查数据为基础，需要耗费大量的人力和物力，且所能达到的时效性和空间尺度有限：同时应用收获法对植被生物量进行测定，对当地的植被具有一定的破坏性。
在过去的30多年间，高光谱技术已经广泛地应用在植被叶面积指数（LAI）、生物量、叶绿素含量等生物物理化学属性的精确定量化研究，出现了诸多能够准确估测植物属性的新方法。我国在高光谱遥感研究方面起步晚，随着环境与减灾小卫星、天宫一号目标飞行器、系列高分卫星的发射，其搭载的我国自主研发的成像光谱仪获取的数据已经应用于科学研究生产活动，因此了解国内外关于植被生物量的反演现状和发展，对我国应用高光谱遥感在植被生物量方面的研究有重要意义。本文从高光谱反演生物量的数据源、反演模型方法及高光谱遥感技术估测植被生物量应用中的不足3个方面，对其进行总结并展望。
高光谱技术在植被生物量估测中的应用
1.1高光谱遥感数据源
高光谱数据源包括非成像高光谱数据与成像光谱数据。非成像的高光谱数据通常采用地物光谱仪获取。地物光谱仪多为肩背型或手持型，其具有以下优点：
1）操作方法简单。采集光谱数据过程中，将探头对准植物叶片或冠层数秒钟就可获取植被光谱数据，无线和蓝牙传输技术的应用实现了光谱仪与配套的数据采集电脑间数据实时无线传输，给野外数据采集工作带来了极大的方便。
2）光谱分辨率高。所获取的植物叶片或冠层的非成像高光谱数据是研究中主要的数据源。地面光谱数据结合实测的叶绿素含量、植被叶面积指数和生物量等植被生物物理与生物化学参数，可以研究这些植被属性与光谱变量之间的关系，构建相应的反演模型：同时地物光谱仪可以为相关成像光谱数据的应用提供先验性的理论支持。成像光谱仪除了可以获取地物的空间信息，其每个像元都包含相应地物的连续光谱信息，因此在研究地物空间关系的同时，还可以对地物在光谱上所反映的信息进行提取。成像光谱仪系统按搭载平台可以分为航空平台与航天平台。
1.2参数回归模型
应用光学遥感技术进行生物量的反演研究中，参数回归模型是最为常用的方法。通过分析植被指数、光谱特征参数与植被地上生物量间的数学关系，构建植被指数、光谱特征参数与生物量的拟合方程。反演方程的形式分为线性方程或非线性方程，如指数函数、幂函数及多项式方程：通过比较模型的拟合系数R2、均方根误差（RMSE）以及相对误差（RE）的大小评价模型的反演能力。
1.2.1植被指数模型
植被指数能够在一定程度上减少受土壤反射、太阳角度和大气等因素造成的干扰，增强光谱特征与植被生物量之间的敏感性，因此植被指数为构建生物量反演模型的主要参数之一。目前研究中应用的植被指数有比值植被指数（SR）、归一化植被指数（NDVI）、土壤调整指数（SAVI）、三角形植被指数（TVI）、叶绿素吸收率指数（MCARI）、光化学植被指数（PRI）等数10种。然而传统的宽波段遥感植被指数在植被覆盖度较高的条件下存在饱和问题，文献的研究表明利用高光谱遥感数据构建的植被指数可以在植被密度较高的条件下对草地生物量进行精确的反演，在一定程度上解决植被指数饱和问题。利用高光谱遥感数据波段数多的优势可以探寻对生物量敏感的最优波段组合，一些研究将所有波段的反射率值代入植被指数公式构成高光谱植被指数，并逐一与生物量进行相关分析，绘制出决定系数与波段组合之间的矩阵图，通过矩阵图可以清晰表达与生物量相关性最大处的波段。
卫星数据反演中国EVI
“红边”为植被反射曲线的重要特征之一，选取“红边”范围内的波段反射率值构建植被指数，以此为参数构建生物量的反演模型，可以对生物量进行较为精确的预测。文献发现位于红边内的波长763nm和670nm是对生物量敏感的两个波段，组成高光谱NDVI和比值指数（RVI），基于波段深度参数建立棉花地上鲜生物量5种单变量线性和非线性函数模型，其中RVI的指数函数模型可以较精确地反演棉花地上鲜生物量。文献也表明“红边”波长范围内的反射率构建的RVI模型可以对大豆的生物量进行准确反演。文献利用环境减灾卫星HJ-1A的高光谱数据，研究了高寒牧区草地生物量的高光谱遥感预测模型，依据生物量与9种植被指数间的一元线性回归分析的结果，认为通过NDVI与SR构建的生物量反演模型适合研究区草地植被生物量的动态监测。在有关植被生物量的研究中，敏感波段多在可见光波段以及近红外波段范围内。而文献对研究区的高光谱遥感数据进行分析后，组成了一个新的高光谱植被指数GnyLi：
式中：R900、R1050分别为近红外和短波红外波段范围内的反射率最大处的波长：R955、R1220分别为近红外和短波红外波段范围内的反射率最小处的波长。
利用GnyLi植被指数构建的冬小麦生物量的回归模型，在对比常规的植被指数NRI、REP、OSAVI、TCI和NDVI的生物量反演模型后发现：基于GnyLi指数的生物量反演模型可以更好地对点尺度或区域尺度的冬小麦的生物量进行估测。
1.2.2光谱特征变量模型
尽管大部分研究中，植被指数为反演方程的主要参数，但是植被指数只是离散的光谱波段组合，并没有发挥高光谱遥感数据在波段上连续的特性，因此如何应用高光谱遥感数据连续的特性，提取光谱特征参数构建植被生物量反演模型为研究的另一个方向。
光谱导数（微分）技术是提取与植被生物量相关光谱变量的主要方法，“红边”与“红边位置”是与植被生物物理和生物化学属性密切相关的典型位置变量。因此基于“红边”波段范围内反射率及其变换形式和“红边位置”为参数构建生物量的反演模型是研究中常用的方法。目前的研究中提取“红边位置”的方法有：①“红边”反射率曲线一阶导数最大处对应的波段位置：②线性四点内插法：③反高斯曲线逼近：④线性外推法：⑤多项式拟合法。通过不同的方法得到的“红边位置”与植被属性相关性存在差异。文献确定780nm处的光谱反射率（F780）的对数形式和719nm处的光谱反射率一阶微分值（D719）的乘幂形式是预测陇中黄土高原地区春小麦地上鲜生物量的最佳模型变量。文献通过对甘南地区4种主要类型的草地生物量与光谱参数数据分析后，发现“红边”范围内的波长723nm光谱反射率一阶微分值构建的对数回归模型估算精度较高。已有研究表明以“红边位置”构建的生物量反演模型优于植被指数模型。文献对意大利马耶拉国家公园内地中海高山草地的高光谱遥感数据与生物量之间的相关性进行分析后发现，NDVI、MSAVI、NDWI、SARVI等植被指数不能准确地对年际生物量进行估测，而基于“红边位置”的线性外推模型可以很好地预测草地生物量。
利用光谱导数技术提取的“蓝边”“红边”和“黄边”的光谱位置、光谱面积变量以及光谱微分组成的植被指数，也可以对植被生物量进行有效的反演。文献对水稻地上鲜生物量的高光谱数据研究后，发现“蓝边”内一阶微分的总和（490~530nm）与“红边”内一阶微分的总和（680~780nm）构成的比值植被指数为变量的模型，作为高光谱估算地上鲜生物量的最佳模型。在对内蒙古干旱半干旱草地生物量的研究中，文献发现“红边”反射率曲线的面积参数反演模型优于植被指数生物量反演模型，更适用于干旱半干旱草地生物量的反演。在高光谱遥感对湿地植被生物量的反演研究中，文献发现微分光谱植被指数可以较精确地估测乌拉苔草水上鲜生物量和干生物量。植被反射率曲线经过应用连续统去除法转换后，可以增强光谱吸收特征与植被属性相关程度。文献利用经过连续统去除法后的反射率值分别构建波段深度（BD）、波段深度比（BDR）、归一化波段深度指数（NDBI）和归一化面积波段深度（BDA），并建立与生物量之间的回归模型，基于波段深度的生物量反演模型可以获得较好的预测精度。
1.3非参数回归模型
植被指数和光谱特征变量为参数的生物量反演模型，可以对生物量进行有效地反演，但该方法并没有直接应用反射率参与建模，而是借助了植被指数和“红边位置”等光谱特征参数构建生物量的反演模型。因此如何不用筛选特殊波段来构建参数反演模型，而是直接利用反射率值构建生物量的反演模型，多元数学模型方法的应用为生物量的准确反演提供了理论支持。
逐步回归模型每一步回归递推都会去除与因变量相关性最小的自变量，最后的输出结果可以最优化地表示反射率与植被属性的关系。文献通过对冠层尺度的草地高光谱遥感数据运用数学回归的方法研究后发现，以840、1132、1579、1769和2012nm这5个原始高光谱波段反射率为变量构建的生物量逐步回归估算方程，估算精度为91.6%。文献研究表明以518、1205、1235和1710nm这4个原始高光谱波段反射率为变量构建的生物量逐步回归估算方程，其估算精度优于基于高光谱植被指数为参数生物量反演模型。在应用多元回归模型进行生物量反演的研究中，需注意到高光谱数据的共线性问题，如文献发现基于原始反射率二阶导数构建的六波段多元优化窄波段反射率模型在水稻拔节期的预测精度最高。除了多元回归模型在生物量研究中的应用外，偏最小二乘回归方法不仅可以解决高光谱数据之间共线性的问题，还可以对植被生物量进行精确的反演。文献采用稀疏矩阵的偏最小二乘回归模型以及植被反射曲线的一阶微分数据，对瑞典甜菜的鲜生物量进行准确反演。相比较基于植被指数的生物量反演模型，文献研究表明偏最小二乘回归模型可以取得更好的预测效果。
安徽省2009年8月安徽省植被指数
2、高光谱遥感反演植被生物量存在的问题
以上研究表明，应用高光谱遥感数据对植被生物量进行反演估算，通过对原始光谱反射率进行微分、对数等数学变换后，可以减弱非植被因素的影响，增强光谱数据与植被生物量之间的相关性：高光谱植被指数、光谱特征参数构建的植被地上生物量反演模型，可以较好地对研究区内的生物量进行估测，且建模方法简单，不需要研究者对数学模型方法具有较高的知识水平，数据处理与计算过程快。而应用非参数回归方法反演植被生物量利用了高光谱遥感数据光谱波段连续和波段数多的优势，且多元数学模型优于传统的一元回归模型，因此构建的模型精度高于单变量的参数反演模型。
尽管高光谱遥感技术在植被生物量的反演研究中具有较好的应用效果，但依然存在以下问题：
1）高光谱遥感数据由于波段连续且波段数多，特别是成像光谱数据，每个像元都包含地物的空间信息和光谱信息，因此数据结构复杂、产生的数据量大，需要更高级的存储格式：且相邻波段之间存在相关性，数据结构冗余，在反演研究中会出现共线性的问题。高光谱遥感传感器造价昂贵、使用成本高，应用成像光谱仪获取地面高光谱遥感数据受限制因素较多，与多光谱遥感数据相比影像的覆盖范围有限。
2）从应用高光谱遥感技术研究植被生物量的对象来看，大多数研究集中在对结构、组成相对简单的作物和草地生态系统植被生物量的反演。由于森林生态系统植物种类繁多、结构复杂，且由于受到树木叶片的吸收与反射作用，以及高光谱遥感技术具有光学遥感穿通能力有限的不足，目前采用高光谱数据对森林生物量进行反演遇到的问题还比较多，如对林下生物量不能进行很好地预测，反演存在一定的技术难题。
3）目前有关植被生物量的高光谱研究，多以构建生物量的地面高光谱反演模型为目的，研究尺度较小：同时由于实际应用中受到大气、水分、地面数据采样时间与遥感影像获取时间不同步等因素，以及由于非成像光谱仪与航空、航天成像光谱仪在获取的地物光谱数据的光谱分辨率上的差异，航空、航天成像光谱仪获取的研究区高光谱遥感影像数据存在混合像元的问题，因此利用地面高光谱数据建立的反演模型通常不能直接应用到航空、航天尺度的高光谱数据。另外由于研究区的植被组成、结构、自然条件的不同，造成了模型不具有通用性。受建模数据的影响，一些参数模型的估算精度低，应用较复杂的数学模型对生物量估算需要较强的数学基础，建模难度大。
3、结语
结合本文对高光谱遥感技术在生物量研究中的应用现状分析和不足，对今后应用高光谱遥感技术反演生物量研究进行展望：
1）构建植被指数、光谱特征变量的参数模型方法依然是今后应用高光谱遥感数据研究植被生物量的主要方法。研究的出发点在于对现有植被指数进行改进，构建新的植被指数，以及对反演模型、研究对象、研究区的横向比较，特别是高光谱遥感技术与多光谱遥感反演模型间反演能力的比较。
2）将高光谱遥感数据在光谱维的优势与合成孔径雷达（SAR）、激光雷达（LiDAR）等主动式遥感穿透力强、受天气影响因素小的特点相结合，融合与植被生物量相关的不同类型遥感变量对森林生态系统及其他类型生态系统的植被生物量进行精确反演。
3）利用高光谱遥感技术准确对地物进行分类的优势，结合地面实测生物量数据构建不同植被的生物量反演模型，并将建立的模型应用到分类后的植被生物量填图中，从而达到对研究区植被生物量的定性与定量研究的目的。
4）近地光谱数据生物量反演模型与成像光谱数据生物量反演模型的尺度转换问题研究，将地物光谱仪的高光谱数据重采样相应的成像光谱数据，利用重采样后的光谱数据建立生物量反演模型，并尝试应用到成像光谱数据中，绘制植被生物量分布图。将整体研究区进行细化，构建不同研究面积的反演模型，并将反演模型由小的研究区逐级应用到大的研究区，并不断对反演模型进行改进，最终得到研究区的整体生物量反演模型。
欢迎关注公众号：莱森光学，了解更多光谱知识。
莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。返回搜狐，查看更多
责任编辑：}

今天，小编将为大家带来的知识点是关于高光谱成像技术在各大领域的应用，希望可以帮助到大家。高光谱图像(Hyperspectral Image)技术是基于非常多窄波段的影像数据技术，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据。高光谱图像在光谱维度上进行了细致的分割，不仅仅是传统所谓的黑、白或者R、G、B的区别，而是在光谱维度上也有N个通道，例如：我们可以把400nm-1000nm分为300个通道。因此，通过高光谱设备获取到的是一个数据立方，不仅有图像的信息，并且在光谱维度上进行展开，结果不仅可以获得图像上每个点的光谱数据，还可以获得任一个谱段的影像信息。目前高光谱成像技术常见的包括光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜等。高光谱谷物的识别分类随着高光谱实时分类的技术逐步成熟，应用领域也逐渐从航天遥测、农业、食品安全、医学诊断等领域拓展到工业领域的产品质量检测和分类方面。高光谱成像技术应用一、航天领域-高光谱遥感高光谱遥感是通过高光谱传感器探测物体反射的电磁波而获得地物目标的空间和频谱数据，成立于20世纪初期的测谱学就是它的基础。高光谱遥感的出现使得许多使用宽波段无法探查到的物体，更加容易被探测到。在仪器性能方面民用高光谱成像仪主要通过扩大幅宽提高灵敏度等措施来满足地球科学等应用需求；军用高光谱成像仪将在空间分辨率谱段覆盖和信息实时处理能力方面进一步发展。根据现有能力和水平国内发展空间分辨率30m左右幅宽大于60km的航天高光谱成像系统的条件已经基本具备，这样的技术指标已经能够满足矿产调查环境监测和农林估产等需求并具有一定的先进性。二、农业监测对于短期内需要对农作物、森林植被、洋河水体等目标进行无人机高光谱数据采集分析监测。三、食品安全高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全。四、医学诊断高光谱成像是一个新兴的,非破坏性的,先进的光学技术,它具有光谱和成像的双重功能,这种双重功能使得高光谱成像能够同时提供实验对象的化学和物理特征,并具有良好的空间分辨率。高光谱成像作为一种特殊光学诊断技术,具有成像系统多样化、研究对象广泛化、临床诊断实用化和分析方法功能化等特征，具有原位实时活体诊断疾病(特别是肿瘤)的潜力,临床应用前景广阔,值得深入研究。五、流水线工业分类质检通过机器学习算法，根据不同的应用场景，利用参考样品进行训练，以交互的方式得到监督分类模型后，上传到模型库中，便能利用已有模型对流水线上的产品进行快速分类，具有广泛的适用性和通用性。好了，那么以上就是有关于高光谱成像技术在各大领域的应用，有任何不懂的欢迎来到评论区留言~莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。}