本文以西安壁畫為研究對(duì)象，利用雙利合譜的高光譜成像儀Gaia Field（光譜范圍400nm - 1000 nm）采集測(cè)試對(duì)象的高光譜數(shù)據(jù)，如圖1。
圖1 GaiaField 樣機(jī)
對(duì)成像高光譜儀拍攝的原始影像數(shù)據(jù)進(jìn)行數(shù)據(jù)的預(yù)處理，預(yù)處理過程主要包括兩部分。部分是輻射定標(biāo)；**部分為噪聲去除。
首先進(jìn)行輻射定標(biāo)。輻射定標(biāo)的計(jì)算公式如1所示。
其中，Reftarget為目標(biāo)物的反射率，Refpanel為標(biāo)準(zhǔn)參考板的反射率，DNtarget為原始影像中目標(biāo)物的的數(shù)值，DNpanel為原始影像中標(biāo)準(zhǔn)參考板的數(shù)值，DNdark為成像光譜儀系統(tǒng)誤差。
其次是噪聲去除，本文運(yùn)用國(guó)外較為常用的小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進(jìn)行噪聲去除。小噪聲分離工具用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，減少隨后處理中的計(jì)算需求量。MNF本質(zhì)上是兩次層疊的主成分變換。次變換（基于估計(jì)的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有小的方差且沒有波段間的相關(guān)。**步是對(duì)噪聲白化數(shù)據(jù)（Noise-whitened）的標(biāo)準(zhǔn)主成分變換。為了進(jìn)一步進(jìn)行波譜處理，通過檢查終特征值和相關(guān)圖像來判定數(shù)據(jù)的內(nèi)在維數(shù)。數(shù)據(jù)空間可被分為兩部分：一部分與較大特征值和相對(duì)應(yīng)的特征圖像相關(guān)，其余部分與近似相同的特征值以及噪聲占主導(dǎo)地位的圖像相關(guān)。圖2為MNF降噪前后的光譜反射率變化。
圖2 MNF變換前(左)后(右)高光譜影像數(shù)據(jù)反射率值變化
圖3 壁畫在高光譜影像中不同位置的光譜反射率變化
利用SpecView軟件的Analysis-Animate功能，快速瀏覽能識(shí)別軀干、手背、肢體、鎧甲的各波段圖像的變化，結(jié)果表明能較為清楚地識(shí)別壁畫高光譜影像信息的波段主要集中在紅光與近紅外區(qū)域，這與目前國(guó)內(nèi)外的研究結(jié)果相同。以760 nm波段影像為例，對(duì)壁畫760 nm處影像的灰度圖作密度分割，以期能更清楚地分辨壁畫中內(nèi)部成分的變化，如下圖所示。從圖4可知，通過對(duì)成像高光譜特定某一波段作密度分割并賦予不同的顏色，不僅在圖像能較為清晰的看到壁畫內(nèi)部成分的變化，而且也能看到其在數(shù)值上的變化。
圖4 壁畫在760 nm處密度分割前后影像圖
為了客觀地區(qū)分壁畫內(nèi)部成分的變化，對(duì)經(jīng)預(yù)處理后的高光譜數(shù)據(jù)進(jìn)行主成分分析（Principal Component Analysis, PCA），去除波段之間的多余信息、將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個(gè)轉(zhuǎn)換波段下。下圖為PCA的前6個(gè)主成分及主成分的312組合圖。
圖6 壁畫的PCA變化前影像合成圖(左 R：800 nm,G:700 nm，B：600 nm；右 R：PCA3 G:PCA1，B：PCA2）
通過圖6可知，利用成像高光譜原始影像數(shù)據(jù)進(jìn)行波段組合時(shí)，其無法較為清晰地看到壁畫內(nèi)部的變化規(guī)律，但經(jīng)過PCA變換之后，通過PCA各主成分的波段組合，壁畫內(nèi)部成分的變化能較為清晰的展現(xiàn)出來。
