一種精簡波段的高光譜血液數(shù)據(jù)檢測方法

劉 蕊，楊凡超，劉 穎,3，李大湘,3，甘玉泉,3，嚴 敏

(1.西安郵電大學 通信與信息工程學院，陜西 西安 710121；2.中國科學院西安光學精密機械研究所 中國科學院光譜成像技術重點實驗室，陜西 西安 710119；3.西安郵電大學 電子信息現(xiàn)場勘驗應用技術公安部重點實驗室，陜西 西安 710121;4.空軍軍醫(yī)大學軍事預防醫(yī)學系流行病學教研室 特殊作業(yè)環(huán)境危害評估與防治教育部重點實驗室， 陜西 西安 710032)

隨著光譜技術和圖像技術的快速發(fā)展，以光譜技術為核心的無損檢測技術已成為研究熱點問題[1]，而刑偵領域的血跡無損檢測是重要研究方向之一。血跡是犯罪現(xiàn)場中常見的物證，是幫助刑事案件偵破的重要突破口。受害人和犯罪嫌疑人只要在犯罪現(xiàn)場發(fā)生開放性沖突，此時現(xiàn)場遺留下的血跡便成為犯罪事實的重要證據(jù)。血液具有客觀性、穩(wěn)定性、廣泛性以及實用性的特點，對犯罪現(xiàn)場的勘察和對犯罪嫌疑人的追捕有重要意義。但是，犯罪現(xiàn)場可能會有疑似血跡的物質(zhì)，犯罪嫌疑人也可能會對犯罪現(xiàn)場的血跡進行破壞，這些因素給警方快速識別血跡帶來了困難，可能會誤導警方的調(diào)查方向，延長破案時間。因此，犯罪現(xiàn)場血跡的快速檢測與識別成為一個亟待解決的問題[2-3]。

傳統(tǒng)的血跡檢測方法主要包括直接觀察法和試劑法。直接觀察法適用于肉眼就能發(fā)現(xiàn)血跡的犯罪現(xiàn)場，人眼很難區(qū)分出犯罪現(xiàn)場的紅色物體，在血跡識別方面存在一定的局限性[4]。試劑法利用各種試劑檢驗識別犯罪現(xiàn)場的紅色物質(zhì)是否是血跡，缺乏時效性；同時試劑會對衡量性能的指標DNA造成損害，對血跡造成了一定的破壞，增加了法醫(yī)鑒定的難度[5]。不等式血液模型[6]通過光譜技術，應用主成分分析進行數(shù)據(jù)降維，雖然取得了一定的檢測效果，但容易遺漏重要的血跡譜段信息。

高光譜圖像處理技術能夠同時獲取待測物體的圖像信息和光譜信息，具備圖譜合一的優(yōu)點，對犯罪現(xiàn)場的紅色物質(zhì)可快速分析和解釋，并可進行無損檢測[4]。因此，本文提出一種基于高光譜血跡數(shù)據(jù)的無損檢測方法。通過各個樣本的光譜曲線進行拐點、波峰波谷的記錄并篩選出最少的特征點保留樣本的重要細節(jié)信息，同時實現(xiàn)降維；再利用光譜角匹配檢測血液，實現(xiàn)無損檢測。

1 高光譜成像的基礎理論

1.1 高光譜成像

高光譜圖像是一個具有一維光譜信息和二維空間信息的三維數(shù)據(jù)立方體，具有“圖譜合一”的優(yōu)點。二維圖像像素的坐標分別由x和y表示，第三維的波長信息的坐標由z表示，如圖1所示。高光譜傳感器可捕獲數(shù)百個跨越可見光到紅外光譜的窄光譜帶中的數(shù)字圖像。高光譜圖像中的每個空間像素對應于基本上連續(xù)的輻射光譜，使得通過高光譜識別地面物質(zhì)成為可能[7-9]。不同的地物，呈現(xiàn)反射率也不一樣。高光譜圖像能完整的描繪出地物的反射率，給地物的區(qū)分帶來便利[10-11]。

圖1 高光譜圖像塊

1.2 高光譜圖像的獲取方式

在高光譜圖像的采集和形成方式不同的情況下，高光譜圖像的獲取方式分為3種。

1)點掃描

點掃描一次只能獲取1個像素的光譜，適用于微觀對象的掃描。

2)線掃描

線掃描是掃描線上所有像素的光譜，適用于靜態(tài)目標的高分辨率光譜成像。

3)面掃描

點掃描和線掃描是空間上的掃描，而面掃描是在光譜域上進行掃描。面掃描需要轉動濾光片切換輪或調(diào)節(jié)可調(diào)節(jié)濾波器來獲取高光譜圖像，面掃描方式能獲取單個波長下的整個空間圖像。這種掃描方式適用于波長圖像數(shù)目較少的多光譜系統(tǒng)中[12]。

因此，基于面陣探測器的線推掃形式高光譜成像儀更適用于實驗室條件下多種樣本的高光譜數(shù)據(jù)采集。

1.3 高光譜圖像的分析與處理

目標識別是光譜應用的一個重要方向?；诟吖庾V圖像既有二維空間信息又有一維光譜信息的特點，高光譜圖像的具體檢測與識別過程如圖2所示。

圖2 高光譜圖像檢測與識別過程

地物的光譜曲線具有唯一性，根據(jù)地物光譜曲線的形狀相似度可判斷地物所屬的類別[13]，因此波譜匹配是光譜圖像處理中識別地物的關鍵技術之一。波譜匹配可以基于整個譜段的光譜曲線匹配，也可對感興趣波段的光譜進行匹配[14]。目前，光譜識別算子有最小距離匹配(euclidean distance，ED)、光譜信息散度(spectral inform-ation divergence，SID)、光譜相關測量(spectr-al correlation measurement，SCM)和光譜角制圖(spectral angle mapper，SAM)等[15-16]。光譜角度制圖對乘性噪聲不敏感，可以有效解決色散型高光譜成像儀獲取能量相對較低的問題。

光譜角度制圖是根據(jù)參考光譜向量和待測光譜向量之間的夾角判斷光譜向量之間的相似程度。光譜角越小，則表明參考光譜和待測光譜越相似[15]。光譜角的具體計算公式[15]為

,

(1)

其中：SA(t,r)是參考光譜和待測光譜的夾角，即光譜角，取值范圍為[0,π/2]，值越小，表示兩光譜向量之間越相似，是同一類的概率也就越高；t=(t1,t2,…,tN)為待測光譜向量；r=(r1,r2,…,rN)為參考光譜向量；N表示光譜的波段數(shù)。

光譜角制圖算法的具體步驟[17]如下。

步驟1提取待測光譜向量t和參考光譜向量r。

步驟2計算高光譜圖像中的每個待測光譜向量和參考光譜向量的夾角SA(t,r)。

步驟3定義閾值M，比較待測光譜向量與參考光譜向量的夾角與閾值的大小，如果光譜角在閾值的范圍內(nèi)，說明待測物與參考物可歸為同一類。

2 實驗

針對刑偵血液檢測過程中，類血液的紅色物質(zhì)與血液難以直觀鑒別的問題，實驗采用成年男性新鮮血液作為待檢測的血液樣本，并使用了刑偵案發(fā)現(xiàn)場可能出現(xiàn)的容易對血液檢測造成干擾的19種類血液的紅色物質(zhì)作為對照樣本，通過SAM算法研究血液與其他樣本在可見光波段下的光譜檢測效果。

2.1 實驗樣本

實驗樣本包括成年男性的新鮮血液樣本以及19類血跡紅色物質(zhì)樣本。實驗樣本均在同一背景(白色塑料板)以及實驗環(huán)境下取得，并以硫酸鋇白板作為定標依據(jù)。實驗樣本和樣本名稱分別如圖3和表1所示。

圖3 紅色類血跡物質(zhì)的實驗樣本

表1 樣本編號對應的物質(zhì)名稱

2.2 實驗儀器

高光譜成像系統(tǒng)由型號為HyperSpec-VNIR的Headwall光譜儀、鹵鎢燈、硫酸鋇白板和信號處理計算機組成。血液與類血液紅色樣本的高光譜圖像信息是基于Headwall可見光波段高光譜成像光譜儀的高光譜成像系統(tǒng)采集。成像光譜儀為色散型高光譜成像儀，如圖4所示。光譜儀的光譜分辨率為2.8 nm，共有417個波段，光譜范圍為380∶1 000 nm，通過推掃的形式對目標區(qū)域進行高光譜成像。

圖4 高光譜采集儀器

實驗照明使用150 W的鹵鎢燈,提供400∶2 500 nm的可見光和近紅外光發(fā)射的連續(xù)光譜，光源強度從暗到亮強度可調(diào)范圍為0∶100%。計算機用于提供圖像采集軟件，實驗開始前設定光譜儀的焦距，待其他儀器校正以后，將實驗樣本放在白板上，即由配套的計算機控制整個實驗過程并保存實驗數(shù)據(jù)。

2.3 實驗結果與分析

2.3.1 數(shù)據(jù)采集與數(shù)據(jù)定標

分別在各個實驗樣本的中心區(qū)域選取20×20的像素區(qū)域作為每個樣本的數(shù)據(jù)，并通過求取每個樣本的400像素點的平均值作為每個樣本的高光譜數(shù)據(jù)，從而降低數(shù)據(jù)噪聲。數(shù)據(jù)結果需要通過硫酸鋇白板數(shù)據(jù)進行處理，定標處理算法為[18]

R=Rs./R0

。

(2)

其中：Rs表示定標前的像元光譜向量；R0表示同一照明條件下的白板的光譜向量；R表示定標后的光譜向量；./表示相對應數(shù)據(jù)的點除。

定標前后的高光譜圖像的光譜圖分別如圖5和圖6所示。

圖5 定標前的反射光譜

圖6 定標處理后的反射光譜

2.3.2 可見光全譜段信息的SAM算法匹配檢測

在進行預處理之后選擇實驗樣本的可見光全波段光譜，利用光譜角制圖算法計算紅色類血跡物質(zhì)與血跡兩兩之間的光譜角度，結果如圖7所示。

圖7 紅色類血跡物質(zhì)與血跡的可見光全譜段信息的光譜匹配角

從圖7結果可以看出，類血液紅色物質(zhì)SAM匹配值最低0.27 rad，因此，當檢測閾值設置在0.15∶0.20 rad時，可以通過SAM匹配算法有效檢測血液。光譜角度越大，說明待檢測樣本與血液的差別越大；反之亦然。

2.3.3 基于譜段優(yōu)化的實驗結果

使用SAM匹配算法對Headwall成像儀所采集的417譜段高光譜信息進行處理，對血液與類血液紅色物質(zhì)檢測取得了較好地檢測識別效果。然而，由于類血液紅色物質(zhì)在可見光波段具有較多的相似譜信息，在檢測識別過程中屬于冗余數(shù)據(jù)，有效地減少冗余譜段信息，可以為基于高光譜血液檢測提供更高效與快速的處理優(yōu)化。因此，針對實驗結果，選擇兩種優(yōu)化方式：第一種是采用血液以及紅色類血液樣本中所有的特征點信息，將譜段優(yōu)化到132個譜段；第二種是采用血液的全部特征點信息以及類血液紅色物質(zhì)較明顯的特征峰和拐點所在的譜段，將譜段優(yōu)化至35個譜段。

為了優(yōu)化譜段數(shù)量，從更少的譜段中獲取血跡檢測的關鍵信息，分別選取各個樣本的132個特征點和35個特征點所組成的光譜向量求光譜角，實驗結果分別如圖8和圖9所示。

圖8 132個特征點的紅色類血跡物質(zhì)與血跡的光譜角

由圖8可以看出，當特征點個數(shù)為132時，血液與類血液紅色物質(zhì)匹配的光譜角度值大于等于0.219 rad，因此，閾值設置在0.11∶0.16 rad就能區(qū)分出血液與非血液。

圖9 35個特征點的紅色類血跡物質(zhì)與血跡的光譜角

由圖9可以看出，當特征點個數(shù)為35時，血液與類血液紅色物質(zhì)的匹配光譜角度值最小為0.231 rad，檢測閾值設置在0.12∶0.17 rad時，可以實現(xiàn)血液的無損檢測。

2.3.4 時間對比分析

為了檢測不同特征點的血跡檢測效率，對血液與類血液各個樣本的不同優(yōu)化策略下的檢測時間進行比較，花費時間情況如表2所示。

表2 不同特征譜段數(shù)花費時間對比

由表2可知，波段精簡縮短了數(shù)據(jù)處理時間，使血跡的無損檢測更加高效。

2.3.5 實驗結果分析

通過基于血液與類血液紅色物質(zhì)特征點選取的譜段優(yōu)化方法，雖然隨著譜段數(shù)的減少，類血液紅色物質(zhì)的SAM匹配值有所降低，最低檢測值分別降至417譜段的81.2%和85.6%，但仍能保留較好的匹配閾值，并且降低了SAM匹配所需譜段數(shù)量。隨著譜段的減少，減少了檢測過程中數(shù)據(jù)的處理量，節(jié)省了血液檢測的時間，通過光譜成像的方法獲取樣本信息，再以匹配算法對血跡進行識別檢測，實現(xiàn)了血跡的無損檢測。

3 結語

針對血跡的檢測問題，高光譜成像技術在不破壞案發(fā)現(xiàn)場的情況下通過光譜儀對不同的紅色樣本進行檢測，得知紅色物質(zhì)是否是血跡，并獲得了實驗樣本的高光譜向量。通過使用SAM匹配算法與可見光全波段高光譜數(shù)據(jù)，對血液與類血液紅色物質(zhì)進行有效判別與區(qū)分，驗證了SAM算法可應用于血跡基于高光譜數(shù)據(jù)的無損檢測。通過血液與類血液紅色物質(zhì)特征譜段篩選的方式，將可見光波段光譜匹配數(shù)據(jù)優(yōu)化至132和35譜段，可以保證檢測準確度的條件下有效降低數(shù)據(jù)處理量，節(jié)省了檢測時間。