高光譜成像 (HSI) 是一種基于光譜學的分析技術，它為同一空間區域收集數千張不同波長的圖像。雖然人眼只有藍色、綠色和紅色三種顏色感受器，但 HSI 測量場景每個像素的連續光譜，不僅在可見光，而且在近紅外 (NIR) 中都具有良好的波長分辨率). 撞擊每個像素的光被分解成許多不同的光譜帶，以提供有關成像內容的更多信息。收集的數據形成一個 3D 高光譜立方體，其中兩個維度表示場景的空間范圍，第三個維度表示其光譜內容。

HSI 是通常稱為光譜成像或光譜分析的一類技術的一部分，其中還包括多光譜成像 (MSI)。這兩種成像系統之間的主要區別在于 HSI 使用連續且連續的波長范圍(例如，400 至 1100 nm，步長為 1 nm)，而 MSI 在選定位置使用目標波長的子集(例如，400 至 1100 nm)以 20 nm 為步長)。MSI 傳感器通常在每個像素中有 3 到 10 個不同的波段測量值，而 HSI 圖像可以包含數千個較窄但連續的光譜波段。因此，HSI 傳感器包含的數據比 MSI 傳感器多得多。例如，MSI 可用于繪制森林區域地圖，而高光譜圖像可用于繪制森林內的樹種地圖。

盡管可以將 MSI視為HSI的縮減子集，但這兩種技術是互補的，在它們之間進行選擇取決于應用程序要求。例如，在可見通道中，MSI 可用于識別水果的輪廓并發現藍莓等水果上難以看到的瘀傷。但如果目標是對鱷梨的脂肪含量進行非常詳細的分析，則只能使用 HSI 技術來完成。

MSI和HSI 背后的算法和圖像處理方法可以追溯到 1970 年代美國陸地衛星計劃的第一顆衛星 Landsat 1 的發射，這也是第一顆攜帶多光譜掃描儀的衛星。隨后是 NASA 的機載成像光譜儀 (AIS) 和 AVIRIS 在 20 世紀 80 年代中期的發展，當時加州理工學院成像分析系統組主管 Jerry Solomon 創造了“高光譜成像”一詞。

那時還沒有微處理器，圖像處理必須在大型、集中的計算機中心進行。從那時起，特別是在過去五年中，由于微處理和基于芯片的傳感器的發展，HSI 技術已經從地球觀測擴展到農業、工業分類、醫學研究、食品質量控制和環境等許多領域監控。

高光譜應用

每種材料都具有特定的光譜特征，可用作其獨特識別的“指紋”。因此，HSI 具有廣泛的應用，這要歸功于其在識別物質成分方面的無創、無標記和無損能力。他們包括：

醫療：用于增強現實手術和醫療診斷；

機器視覺：用于對幾乎所有材料進行分類——從食品和礦物到紡織品和塑料；

遙感：用于對農業土壤、礦物、塑料、污染和監測進行分類；

農業：檢測疾病、水分脅迫和土壤質量的早期癥狀，以優化控制生長過程；

藝術和遺產分析：了解一件人工制品最初是如何、何時、何地制作或后來被改變的；

食品質量控制：識別和量化食品的化學成分，提供營養、脂肪百分比、糖含量和新鮮度等信息；

垃圾分類：分類和分離塑料、紡織品、金屬、玻璃、紙張、紙板和石棉等有害物質；

制藥：用于藥品化學成分的質量保證；

采礦和石油：用于對鉆芯和其他地質樣品進行快速可靠的礦物分析；

取證：從犯罪現場收集證據，例如血跡和火藥殘留物；

高光譜系統的商業化

根據最近的一份市場報告，全球高光譜成像市場預計在 2020 年至 2027 年間將以 8.2% 的復合年增長率 (CAGR) 增長，到 2027 年將達到 35.2 億美元。亞太地區和歐洲預計將成為增長最快的地區，復合年增長率分別為 9.3% 和 8.5%。

主要驅動因素是對準確可靠的材料分析的需求不斷增加，人工智能等新技術的發展與低成本成像系統的發展相結合，以及對遙感應用的需求不斷增加。主要應用將用于醫療診斷、工業機器視覺、環境監測和軍事監視。

高光譜的種類

高光譜相機可以通過五種方式捕獲信息以形成 3D 數據立方體：

Whiskbroom(點掃描)一次捕獲一個像素，圖像隨著相機掃描樣品而構建，并包含其所有光譜信息。雖然在圖像采集過程中非常耗時，但該方法會產生非常高的光譜分辨率。

推掃式(線掃描)測量連續光譜，一次測量一行像素，廣泛應用于工業質量控制監測過程。它的主要限制是光譜儀的入口狹縫造成的高損失。

傅里葉變換 (FT) 光譜是測量連續光譜的另一種方法，這種方法將單色成像傳感器與干涉儀相結合，具有比推掃式系統更高的光通量。

光譜掃描收集給定波長的全部空間信息，一次一個波長。雖然每個圖像速度很快，但由于改變波長所需的時間，光譜掃描生成立方體的速度很慢。

高光譜快照相機捕捉高光譜視頻，盡管它們通常提供有限的光譜和空間分辨率，但它們速度快且非常適合成像移動物體。