高光谱相机的光谱范围及其在生物医学领域的应用

一、高光谱相机的光谱范围

光谱范围：

(1)多光谱：光谱分辨率在10-1λ数量级范围内称为多光谱(Multi-spectral)。包括：可见光、紫外光、红外光

(2)高光谱：光谱分辨率在10-2λ数量级范围内称为高光谱(Hyper-spectral)。在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像

(3)红外光谱：通常将红外光谱分为三个区域：近红外区(0.75-2.5μm)、中红外区(2.5-25μm)和远红外区(25-1000μm)。一般说来，近红外光谱是由分子的倍频、合频产生的；中红外光谱属于分子的基频振动光谱；远红外光谱则属于分子的转动光谱和某些基团的振动光谱。

由于绝大多数有机物和无机物的基频吸收带都出现在中红外区，因此中红外区是研究和应用最多的区域，积累的资料也最多，仪器技术最为成熟。通常所说的红外光谱即指中红外光谱。

高光谱相机的光谱范围通常在可见光谱范围 (380-780 nm) 和近红外光谱范围 (780 nm - 2500 nm) 之间。高光谱相机通过在多个波长下捕捉图像，可以获取物体的光谱信息，从而能够捕捉到不同物质的独特光谱特征。这些光谱特征可以用于物质的识别、分类和分析。

二、传感器的光谱范围

传感器的波谱范围，一般来说识别某种波谱的范围窄，则相应光谱分辨率高。 举个例子：可以分辨红外、红橙黄绿青蓝紫紫外的传感器的光谱分辨率就比只能分辨红绿蓝的传感器的光谱分辨率高。

一般来说，传感器的波段数越多波段宽度越窄，地面物体的信息越容易区分和识别，针对性越强。

三、光谱范围的应用场合：

(1)多光谱：多光谱图像是指包含很多带的图像，有时只有3个带(彩色图像就是一个例子)但有时要多得多，甚至上百个。每个带是一幅灰度图像，它表示根据用来产生该带的传感器的敏感度得到的场景亮度。在这样一幅图像中，每个像素都与一个由像素在不同带的数值串，即一个矢量相关。这个数串就被称为像素的光谱标记。图像处理

(2)高光谱：目前高光谱成像技术发展迅速，常见的包括光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜等。可以应用在食品安全、医学诊断、航天领域等领域。

(3)红外光谱：红外光谱对样品的适用性相当广泛，固态、液态或气态样品都能应用，无机、有机、高分子化合物都可检测。此外，红外光谱还具有测试迅速，操作方便，重复性好，灵敏度高，试样用量少，仪器结构简单等特点，因此，它已成为现代结构化学和分析化学最常用和不可缺少的工具。红外光谱在高聚物的构型、构象、力学性质的研究以及物理、天文、气象、遥感、生物、医学等领域也有广泛的应用

四、高光谱相机在生物医学领域的应用

生物组织成像

高光谱相机可以用于生物组织的成像和分析。由于不同组织具有不同的光谱特征，高光谱相机可以捕捉到这些特征，从而可以对组织进行识别和分类。例如，高光谱相机可以用于肿瘤检测和分析，通过对肿瘤组织的光谱成像和分析，可以更好地了解肿瘤的组织结构和分子成分，从而为临床治疗提供更加准确的指导。

疾病诊断和治疗

高光谱相机还可以用于疾病的诊断和治疗。例如，高光谱相机可以用于皮肤癌的诊断和治疗。皮肤癌是一种常见的癌症，高光谱相机可以通过捕捉皮肤组织的光谱特征，对皮肤癌进行识别和分类，从而为临床治疗提供更加准确的指导。此外，高光谱相机还可以用于监测药物治疗效果，通过对药物治疗前后的光谱成像和分析，可以更好地了解药物治疗效果。

生物医学研究

高光谱相机还可以用于生物医学研究。例如，高光谱相机可以用于研究生物体内的分子相互作用和代谢过程。通过捕捉生物体内的光谱特征，可以了解生物体内的分子相互作用和代谢过程，从而为生物医学研究提供更加准确的信息和数据。

五、补充知识点：

(1)可见光谱：380—780nm

(2)紫外光是电磁波谱中波长从0.01-0.40微米辐射的总称，不能引起人们的视觉。电磁谱中波长0.01-0.40微米辐射，既可见光紫端到X射线间的辐射。具有杀菌的功能。

(3)遥感反射率是指如果假定卫星处于天顶，并且不考虑大气的散射和吸收作用，卫星上的传感器接收到被遥感物体的反射辐亮度，与被遥感物体本身接收的太阳辐亮度的比值

(4)DN值（Digital Number ）是遥感影像像元亮度值，记录的地物的灰度值。无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。

(5)从DN值计算大气顶的反射率使用定标公式，一般表示为：P(toa)=DN*gain+offset，其中，gain是增益，offset是偏移值。从大气顶的反射率计算地面反射率的过程称为大气校正。

高光谱相机的光谱范围广泛，可以捕捉到不同物质的独特光谱特征，其在生物医学领域的应用已经得到了广泛的关注和研究。随着高光谱相机技术的不断发展，相信其在生物医学领域的应用将会更加广泛和深入。