多光谱成像(MSI)融合了光谱技术与成像技术,可并行获取探测目标的光谱特征和空间信息。由于采用非侵入式的成像方式,该技术在生物医学领域有很多重要的应用。介绍了多光谱成像的基本原理与技术发展,并从病理研究、手术引导、生物识别等三个方面对其应用进行简要综述。

应用可见/近红外（Vis / NIR）高光谱成像（400-1000 nm）来鉴定黄曲霉和寄生曲霉的生长过程。 每天记录在玫瑰孟加拉培养基上生长的两种真菌的高光谱图像，持续6天。 在第1天与其他天，使用446 nm和460 nm的两个谱带的谱带比将黄曲霉和寄生曲霉分离。 在第6天，在520nm的波段处将图像分类为寄生曲霉。对清洁的高光谱图像进行主成分分析（PCA）。 第二至第六个主要成分（PC2至PC6）的得分图在相同的孵育时间内给出了真菌的粗略簇状。 但是，在该图中，第3天和第4天的黄曲霉与第2天和第3天的寄生曲霉重叠。 提取每个生长日中每种真菌的平均光谱，然后将PCA和支持向量机（SVM）分类器应用于整个光谱范围。 由PC2到PC6建立的SVM模型可以确定真菌生长天数，黄曲霉和寄生曲霉的准确度分别为92.59％和100％。 为了简化预测模型，采用竞争性自适应加权采样（CARS）选择最佳波长。 结果，为黄曲霉选择了九个（402、442、487、502、524、553、646、671、760 nm）和七个（461、538、542、742、753、756、919 nm）波长。和A. par

行业分类-物理装置-基于偏振复用的瞬态多光谱成像装置及方法.zip

红提的糖度和硬度是评价红提品质的重要指标,探究了基于高光谱成像技术的红提糖度和硬度的无损检测方法及最佳预测模型。在红提果粒的三种放置模式(横放、果柄侧朝下、果柄侧朝上)下,分别采集213个样本在400~1000 nm波长范围内的高光谱图像,对比分析光谱采集的最优模式;然后在最优采集模式下对光谱进行预处理;应用遗传算法(GA)、连续投影算法(SPA)、竞争性自适应重加权(CARS)算法和无信息变量消除法(UVE)针对原始光谱提取特征波长;结合化学计量学方法分别建立基于全光谱和特征波长的偏最小二乘回归(PLSR)、最小二乘支持向量机(LSSVM)和随机森林(RF)的红提糖度、硬度的无损预测模型。结果表明:基于RF建立的糖度和硬度模型的效果较优;预测糖度的最优模型为遗传算法优化的随机森林(GA-RF),其校正集相关系数(Rc)、预测集相关系数(Rp)分别为0.969、0.928,校正集均方根误差(RMSEC)、预测集均方根误差(RMSEP)分别为0.266、0.254;预测硬度的最优模型为基于移动窗口平滑结合连续投影算法优化的随机森林(MA-SPA-RF),其Rc、Rp分别为0.961、0.

针对传统多光谱成像颜色测量系统光谱反射率重建算法计算量大、操作繁琐耗时、成本高等缺点，提出一种由LED主动照明光源和黑白高速相机构建的多光谱成像颜色测量系统。采用多个单色LED拟合出相对光谱功率分布与相机光谱灵敏度曲线成倒数关系的照明光源，并利用黑白相机的输出响应直接重建物体的光谱反射率。实验结果表明，与分光光度计测量结果相比，该方法测量Macbeth ColorChecker 24标准色卡的光谱反射率的平均误差在2.3个CIELAB色差左右。该系统具有原理简单可行、不需要滤光片、光谱反射率重建算法简单快速等优点。

医疗和工业机器视觉系统的多光谱成像

高光谱成像仪操作指南

高光谱成像的应用效果非常依赖于所获取的图像信噪比(SNR)。在高空间分辨率下, 帧速率高、信噪比低, 由于光谱成像包含了两维空间-光谱信息, 不能使用时间延迟积分(TDI)模式解决光能量弱的问题; 目前多采用摆镜降低应用要求, 但增加了体积和质量, 获取的图像不连续, 且运动部件降低了航天的可靠性。基于此, 将超高速电子倍增与成像光谱有机结合, 构建了基于电子倍增的高分辨率高光谱成像链模型, 综合考虑辐射源、地物光谱反射、大气辐射传输、光学系统成像、分光元件特性、探测器光谱响应和相机噪声等各个环节, 可用于成像链路信噪比的完整分析。采用LOWTRAN 7软件进行大气辐射传输计算, 对不同太阳高度角和地物反射率计算像面的照度, 根据电子倍增电荷耦合器件(EMCCD)探测器的噪声模型, 计算出不同工作条件下的SNR。对SNR的分析和实验, 选择适当的电子倍增增益, 可使微弱光谱信号SNR提高6倍。

在400~720 nm波段范围，基于液晶可调谐滤波器(LCTF)和CMOS相机组合的多光谱成像系统，以四季豆叶片为研究对象每隔5 nm进行成像。根据图像亮度信息法和波段指数法的相关原理，首先分别计算得到各波段四季豆叶片的波段指数值和可识别度；然后对四季豆叶片的波段指数值和可识别度进行排序，综合图像的灰度离散、亮度信息丰富和波段的相关性小等特点，得出545、630、645、720、650和570 nm波段有较大的波段指数值和较好的识别度；最后根据最小欧氏距离法和光谱角度匹配法分别对四季豆叶片的特征波段的分类精度予以计算，两种方法的分类精度分别为100.00%和83.33%，得出选取的特征波段对四季豆叶片具有较好的分类精度。因此，545、630、645、720、650 和570 nm波段可作为四季豆叶片的特征波段。

本代码是基于压缩感知的光谱成像代码，与杜克大学文章想匹配