一种精简波段的高光谱血液数据检测方法

刘 蕊，杨凡超，刘 颖,3，李大湘,3，甘玉泉,3，严 敏

(1.西安邮电大学 通信与信息工程学院，陕西 西安 710121；2.中国科学院西安光学精密机械研究所 中国科学院光谱成像技术重点实验室，陕西 西安 710119；3.西安邮电大学 电子信息现场勘验应用技术公安部重点实验室，陕西 西安 710121;4.空军军医大学军事预防医学系流行病学教研室 特殊作业环境危害评估与防治教育部重点实验室， 陕西 西安 710032)

随着光谱技术和图像技术的快速发展，以光谱技术为核心的无损检测技术已成为研究热点问题[1]，而刑侦领域的血迹无损检测是重要研究方向之一。血迹是犯罪现场中常见的物证，是帮助刑事案件侦破的重要突破口。受害人和犯罪嫌疑人只要在犯罪现场发生开放性冲突，此时现场遗留下的血迹便成为犯罪事实的重要证据。血液具有客观性、稳定性、广泛性以及实用性的特点，对犯罪现场的勘察和对犯罪嫌疑人的追捕有重要意义。但是，犯罪现场可能会有疑似血迹的物质，犯罪嫌疑人也可能会对犯罪现场的血迹进行破坏，这些因素给警方快速识别血迹带来了困难，可能会误导警方的调查方向，延长破案时间。因此，犯罪现场血迹的快速检测与识别成为一个亟待解决的问题[2-3]。

传统的血迹检测方法主要包括直接观察法和试剂法。直接观察法适用于肉眼就能发现血迹的犯罪现场，人眼很难区分出犯罪现场的红色物体，在血迹识别方面存在一定的局限性[4]。试剂法利用各种试剂检验识别犯罪现场的红色物质是否是血迹，缺乏时效性；同时试剂会对衡量性能的指标DNA造成损害，对血迹造成了一定的破坏，增加了法医鉴定的难度[5]。不等式血液模型[6]通过光谱技术，应用主成分分析进行数据降维，虽然取得了一定的检测效果，但容易遗漏重要的血迹谱段信息。

高光谱图像处理技术能够同时获取待测物体的图像信息和光谱信息，具备图谱合一的优点，对犯罪现场的红色物质可快速分析和解释，并可进行无损检测[4]。因此，本文提出一种基于高光谱血迹数据的无损检测方法。通过各个样本的光谱曲线进行拐点、波峰波谷的记录并筛选出最少的特征点保留样本的重要细节信息，同时实现降维；再利用光谱角匹配检测血液，实现无损检测。

1 高光谱成像的基础理论

1.1 高光谱成像

高光谱图像是一个具有一维光谱信息和二维空间信息的三维数据立方体，具有“图谱合一”的优点。二维图像像素的坐标分别由x和y表示，第三维的波长信息的坐标由z表示，如图1所示。高光谱传感器可捕获数百个跨越可见光到红外光谱的窄光谱带中的数字图像。高光谱图像中的每个空间像素对应于基本上连续的辐射光谱，使得通过高光谱识别地面物质成为可能[7-9]。不同的地物，呈现反射率也不一样。高光谱图像能完整的描绘出地物的反射率，给地物的区分带来便利[10-11]。

图1 高光谱图像块

1.2 高光谱图像的获取方式

在高光谱图像的采集和形成方式不同的情况下，高光谱图像的获取方式分为3种。

1)点扫描

点扫描一次只能获取1个像素的光谱，适用于微观对象的扫描。

2)线扫描

线扫描是扫描线上所有像素的光谱，适用于静态目标的高分辨率光谱成像。

3)面扫描

点扫描和线扫描是空间上的扫描，而面扫描是在光谱域上进行扫描。面扫描需要转动滤光片切换轮或调节可调节滤波器来获取高光谱图像，面扫描方式能获取单个波长下的整个空间图像。这种扫描方式适用于波长图像数目较少的多光谱系统中[12]。

因此，基于面阵探测器的线推扫形式高光谱成像仪更适用于实验室条件下多种样本的高光谱数据采集。

1.3 高光谱图像的分析与处理

目标识别是光谱应用的一个重要方向。基于高光谱图像既有二维空间信息又有一维光谱信息的特点，高光谱图像的具体检测与识别过程如图2所示。

图2 高光谱图像检测与识别过程

地物的光谱曲线具有唯一性，根据地物光谱曲线的形状相似度可判断地物所属的类别[13]，因此波谱匹配是光谱图像处理中识别地物的关键技术之一。波谱匹配可以基于整个谱段的光谱曲线匹配，也可对感兴趣波段的光谱进行匹配[14]。目前，光谱识别算子有最小距离匹配(euclidean distance，ED)、光谱信息散度(spectral inform-ation divergence，SID)、光谱相关测量(spectr-al correlation measurement，SCM)和光谱角制图(spectral angle mapper，SAM)等[15-16]。光谱角度制图对乘性噪声不敏感，可以有效解决色散型高光谱成像仪获取能量相对较低的问题。

光谱角度制图是根据参考光谱向量和待测光谱向量之间的夹角判断光谱向量之间的相似程度。光谱角越小，则表明参考光谱和待测光谱越相似[15]。光谱角的具体计算公式[15]为

,

(1)

其中：SA(t,r)是参考光谱和待测光谱的夹角，即光谱角，取值范围为[0,π/2]，值越小，表示两光谱向量之间越相似，是同一类的概率也就越高；t=(t1,t2,…,tN)为待测光谱向量；r=(r1,r2,…,rN)为参考光谱向量；N表示光谱的波段数。

光谱角制图算法的具体步骤[17]如下。

步骤1提取待测光谱向量t和参考光谱向量r。

步骤2计算高光谱图像中的每个待测光谱向量和参考光谱向量的夹角SA(t,r)。

步骤3定义阈值M，比较待测光谱向量与参考光谱向量的夹角与阈值的大小，如果光谱角在阈值的范围内，说明待测物与参考物可归为同一类。

2 实验

针对刑侦血液检测过程中，类血液的红色物质与血液难以直观鉴别的问题，实验采用成年男性新鲜血液作为待检测的血液样本，并使用了刑侦案发现场可能出现的容易对血液检测造成干扰的19种类血液的红色物质作为对照样本，通过SAM算法研究血液与其他样本在可见光波段下的光谱检测效果。

2.1 实验样本

实验样本包括成年男性的新鲜血液样本以及19类血迹红色物质样本。实验样本均在同一背景(白色塑料板)以及实验环境下取得，并以硫酸钡白板作为定标依据。实验样本和样本名称分别如图3和表1所示。

图3 红色类血迹物质的实验样本

表1 样本编号对应的物质名称

2.2 实验仪器

高光谱成像系统由型号为HyperSpec-VNIR的Headwall光谱仪、卤钨灯、硫酸钡白板和信号处理计算机组成。血液与类血液红色样本的高光谱图像信息是基于Headwall可见光波段高光谱成像光谱仪的高光谱成像系统采集。成像光谱仪为色散型高光谱成像仪，如图4所示。光谱仪的光谱分辨率为2.8 nm，共有417个波段，光谱范围为380∶1 000 nm，通过推扫的形式对目标区域进行高光谱成像。

图4 高光谱采集仪器

实验照明使用150 W的卤钨灯,提供400∶2 500 nm的可见光和近红外光发射的连续光谱，光源强度从暗到亮强度可调范围为0∶100%。计算机用于提供图像采集软件，实验开始前设定光谱仪的焦距，待其他仪器校正以后，将实验样本放在白板上，即由配套的计算机控制整个实验过程并保存实验数据。

2.3 实验结果与分析

2.3.1 数据采集与数据定标

分别在各个实验样本的中心区域选取20×20的像素区域作为每个样本的数据，并通过求取每个样本的400像素点的平均值作为每个样本的高光谱数据，从而降低数据噪声。数据结果需要通过硫酸钡白板数据进行处理，定标处理算法为[18]

R=Rs./R0

。

(2)

其中：Rs表示定标前的像元光谱向量；R0表示同一照明条件下的白板的光谱向量；R表示定标后的光谱向量；./表示相对应数据的点除。

定标前后的高光谱图像的光谱图分别如图5和图6所示。

图5 定标前的反射光谱

图6 定标处理后的反射光谱

2.3.2 可见光全谱段信息的SAM算法匹配检测

在进行预处理之后选择实验样本的可见光全波段光谱，利用光谱角制图算法计算红色类血迹物质与血迹两两之间的光谱角度，结果如图7所示。

图7 红色类血迹物质与血迹的可见光全谱段信息的光谱匹配角

从图7结果可以看出，类血液红色物质SAM匹配值最低0.27 rad，因此，当检测阈值设置在0.15∶0.20 rad时，可以通过SAM匹配算法有效检测血液。光谱角度越大，说明待检测样本与血液的差别越大；反之亦然。

2.3.3 基于谱段优化的实验结果

使用SAM匹配算法对Headwall成像仪所采集的417谱段高光谱信息进行处理，对血液与类血液红色物质检测取得了较好地检测识别效果。然而，由于类血液红色物质在可见光波段具有较多的相似谱信息，在检测识别过程中属于冗余数据，有效地减少冗余谱段信息，可以为基于高光谱血液检测提供更高效与快速的处理优化。因此，针对实验结果，选择两种优化方式：第一种是采用血液以及红色类血液样本中所有的特征点信息，将谱段优化到132个谱段；第二种是采用血液的全部特征点信息以及类血液红色物质较明显的特征峰和拐点所在的谱段，将谱段优化至35个谱段。

为了优化谱段数量，从更少的谱段中获取血迹检测的关键信息，分别选取各个样本的132个特征点和35个特征点所组成的光谱向量求光谱角，实验结果分别如图8和图9所示。

图8 132个特征点的红色类血迹物质与血迹的光谱角

由图8可以看出，当特征点个数为132时，血液与类血液红色物质匹配的光谱角度值大于等于0.219 rad，因此，阈值设置在0.11∶0.16 rad就能区分出血液与非血液。

图9 35个特征点的红色类血迹物质与血迹的光谱角

由图9可以看出，当特征点个数为35时，血液与类血液红色物质的匹配光谱角度值最小为0.231 rad，检测阈值设置在0.12∶0.17 rad时，可以实现血液的无损检测。

2.3.4 时间对比分析

为了检测不同特征点的血迹检测效率，对血液与类血液各个样本的不同优化策略下的检测时间进行比较，花费时间情况如表2所示。

表2 不同特征谱段数花费时间对比

由表2可知，波段精简缩短了数据处理时间，使血迹的无损检测更加高效。

2.3.5 实验结果分析

通过基于血液与类血液红色物质特征点选取的谱段优化方法，虽然随着谱段数的减少，类血液红色物质的SAM匹配值有所降低，最低检测值分别降至417谱段的81.2%和85.6%，但仍能保留较好的匹配阈值，并且降低了SAM匹配所需谱段数量。随着谱段的减少，减少了检测过程中数据的处理量，节省了血液检测的时间，通过光谱成像的方法获取样本信息，再以匹配算法对血迹进行识别检测，实现了血迹的无损检测。

3 结语

针对血迹的检测问题，高光谱成像技术在不破坏案发现场的情况下通过光谱仪对不同的红色样本进行检测，得知红色物质是否是血迹，并获得了实验样本的高光谱向量。通过使用SAM匹配算法与可见光全波段高光谱数据，对血液与类血液红色物质进行有效判别与区分，验证了SAM算法可应用于血迹基于高光谱数据的无损检测。通过血液与类血液红色物质特征谱段筛选的方式，将可见光波段光谱匹配数据优化至132和35谱段，可以保证检测准确度的条件下有效降低数据处理量，节省了检测时间。