2、多光谱成像基础：电磁波谱、光谱分辨率、多光谱与高光谱的区别、常见波段及其物理意义

多光谱成像系统的选型与搭建，本质上是对“光与物质相互作用”这一物理过程的工程化利用。无论是农业遥感中的植被长势监测、工业分选中的塑料材质识别，还是医疗影像中的组织血氧评估，其底层逻辑都离不开对电磁波谱特定区段的选择性感知。本章作为课程的第二讲，将系统梳理电磁波谱的分布规律、光谱分辨率的定义与影响、多光谱与高光谱的核心差异，以及常见特征波段背后的物理机制。理解这些基础概念，是后续进行相机选型、滤光片配置、光源匹配和算法设计的前提条件。

2.1 电磁波谱与多光谱成像的物理基础

电磁波谱涵盖了从伽马射线到无线电波的连续频率范围，而多光谱成像系统实际利用的区间主要集中在可见光（VIS，400–700 nm）、近红外（NIR，700–1000 nm）和短波红外（SWIR，1000–2500 nm）三个大气窗口。大气窗口是指地球大气对电磁辐射吸收较弱的波段区间，在这些区间内，地表反射或辐射的信号能够有效穿透大气被传感器接收。超出此范围的紫外波段（<400 nm）受大气散射影响严重，而中波红外（3–5 μm）和热红外（8–14 μm）则主要探测物体自身热辐射而非反射光，其探测器材料和光学系统与可见光-近红外方案差异巨大，通常不纳入常规多光谱相机的选型范畴。

从物理机制来看，多光谱成像测量的是地物或目标物体在不同波长下的反射率或发射率。当入射光照射到物体表面时，一部分被吸收，一部分被透射，剩余部分被反射。不同物质因其分子结构和电子能级差异，对不同波长的吸收和反射特性呈现显著差异，从而形成独特的光谱曲线。例如，健康植被在蓝光（450 nm）和红光（680 nm）处因叶绿素吸收而呈现低反射率，在绿光（550 nm）处出现一个小反射峰，而在近红外（750–900 nm）区间因叶片内部海绵组织的多次散射而呈现高反射率。这种“红谷-近红外高原”的典型曲线形态，是植被遥感中计算归一化植被指数（NDVI）的物理基础。

2.2 光谱分辨率：定义、影响与权衡

光谱分辨率（Spectral Resolution）指传感器能够分辨的最小波长间隔，通常用半高全宽（FWHM）或波段宽度 Δλ 来表示。例如，一个中心波长为 680 nm、FWHM 为 10 nm 的滤光片，意味着它允许通过的波长范围约为 675–685 nm。光谱分辨率直接决定了系统区分相邻光谱特征的能力——分辨率越高（Δλ 越小），越能捕捉到窄而尖锐的吸收峰；分辨率越低（Δλ 越大），则更容易将邻近的光谱信息混叠在一起。

在实际工程中，光谱分辨率的选择需要权衡以下三个维度：

以矿物勘探为例，高岭石在 2200 nm 附近有一个特征吸收峰，其宽度仅约 30 nm。若使用 FWHM 为 50 nm 的宽带滤光片，该吸收峰将被严重平滑，导致矿物识别失败。反之，若使用 FWHM 为 10 nm 的窄带滤光片，则能清晰捕捉到这一特征。然而，窄带滤光片的透过率通常只有 60%–80%，在弱光照条件下需要配合更高灵敏度的传感器或主动光源。

2.3 多光谱与高光谱：核心区别与选型逻辑

多光谱成像与高光谱成像的本质区别在于波段数量与连续性的不同。多光谱系统通常包含 3–15 个离散波段，各波段之间不连续，每个波段覆盖较宽的波长范围；而高光谱系统则包含 100–300 个连续波段，光谱间隔均匀且密集，能够形成完整的光谱曲线。这一差异导致两者在数据维度、处理复杂度、系统成本和适用场景上存在显著区别。

从数据层面看，高光谱成像产生的是一个三维数据立方体（x 空间、y 空间、λ 光谱），单幅图像的数据量可达数百兆字节甚至数吉字节。而多光谱成像仅产生几个离散波段的二维图像叠加，数据量通常只有几十兆字节。在实时性要求较高的工业分选或无人机遥感场景中，多光谱系统因其数据吞吐量小、处理延迟低而占据明显优势。高光谱系统则更适合实验室分析或离线精细分类任务，例如食品品质检测中的糖度预测、药品成分均匀性分析等。

从系统架构看，多光谱相机通常采用多镜头+多传感器或单镜头+滤光片轮/多光谱滤光片阵列的结构，各波段图像通过配准算法对齐。高光谱相机则多采用推扫式（Push-broom）或快照式（Snapshot）设计，推扫式需要平台运动配合，快照式则通过微透镜阵列或干涉仪在单次曝光中获取光谱信息。选型时需综合考虑平台稳定性、运动速度、视场角和预算约束。

2.4 常见波段及其物理意义：从选型到应用

多光谱成像系统的波段选择并非随意排列，而是基于目标物质的光谱吸收/反射特征进行针对性设计。下表汇总了多光谱成像中最常用的波段区间及其物理意义，可作为选型时的参考清单：

以农业无人机遥感为例，一套典型的四波段多光谱相机（蓝 450 nm、绿 560 nm、红 650 nm、近红外 840 nm）即可满足 NDVI、EVI（增强型植被指数）和 GNDVI（绿度归一化植被指数）的计算需求。若进一步增加红边波段（720 nm），则可构建红边 NDVI（NDVI_RE），对作物氮素胁迫的敏感度提升约 30%。

2.5 案例拆解：从光谱特征到波段选择——以塑料分选为例

为将上述概念串联为完整工程逻辑，我们以一个典型的工业塑料分选场景进行案例拆解。该案例展示了如何从目标物质的物理特性出发，推导出多光谱系统的波段配置方案。

背景与约束：某再生资源工厂需要从混合塑料碎片（主要包含 PET、PVC、PP、PE 四种材质）中自动分选出 PET 和 PVC。产线传送带速度为 2 m/s，检测视场宽度为 800 mm，要求单次检测时间不超过 5 ms，系统成本控制在 30 万元以内。

初始现象与目标：四种塑料在可见光下颜色相近（均为浅色或透明），无法通过 RGB 相机区分。目标是通过多光谱成像实现四种材质的实时分类，准确率不低于 95%。

关键输入数据与光谱分析：查阅文献和实测光谱数据发现：

• PET 在 1650 nm 处有特征吸收峰（C-H 键振动），在 1450 nm 处有较弱吸收；
• PVC 在 1420 nm 和 1680 nm 处有强吸收（C-Cl 键），且在 2200 nm 附近有独特峰形；
• PP 在 1200 nm 和 1400 nm 处有吸收，但 1650 nm 处反射率较高；
• PE 在 1210 nm 和 1730 nm 处有吸收，整体光谱曲线较平坦。

分析判断过程：仅用可见光波段无法区分这四种塑料，必须引入 SWIR 波段。考虑到成本约束（InGaAs 传感器价格远高于 Si 传感器），选择 1200–1700 nm 范围的短波红外相机（InGaAs 材料）搭配三个窄带滤光片：1450 nm（水分/OH 相关）、1650 nm（PET 特征）、1730 nm（PE 特征）。同时保留一个可见光近红外波段（850 nm）用于定位和边缘检测。

实际操作步骤：

1. 选用 640×512 像素 InGaAs 相机，帧率 300 fps，配合三个滤光片轮（切换时间 < 2 ms）；
2. 在传送带上方安装线性光源（卤素灯，色温 3000K），确保照明均匀性 ±5%；
3. 通过分光棱镜将光路分为四个通道，每个通道对应一个滤光片和探测器；
4. 使用 FPGA 实时计算每个像素在四个波段的反射率比值，构建决策树分类器；
5. 分类阈值通过 200 个已知样本标定，准确率达到 96.5%。

结果对比与复盘：该系统最终成本为 28 万元，满足预算要求。相比采用高光谱推扫相机的方案（成本约 80 万元，处理延迟 50 ms），多光谱方案在实时性和经济性上均占优。但需注意，该方案对光源稳定性敏感，卤素灯老化会导致光谱漂移，需每 500 小时校准一次。此外，滤光片轮机械切换存在磨损风险，长期运行需定期维护。

2.6 常见误区与总结复盘

在多光谱成像系统的设计与应用中，以下误区值得特别注意：

• 误区一：波段越多越好。实际上，波段数量增加会带来数据冗余、处理延迟和成本上升。应基于目标特征选择最少的必要波段。
• 误区二：忽略光谱分辨率与光源的匹配。窄带滤光片需要配合窄带光源或高显色指数光源，否则环境光中的杂散波长会干扰测量。
• 误区三：忽视大气窗口限制。在户外遥感场景中，若选择的波段位于水汽强吸收区（如 1400 nm 和 1900 nm 附近），即使目标特征存在，信号也会被大气衰减殆尽。
• 误区四：将多光谱与高光谱对立。两者并非替代关系，而是互补关系。在预算允许且需要精细光谱分析时，可考虑“多光谱粗筛+高光谱精查”的两级方案。

总结本章核心要点：电磁波谱是多光谱成像的物理基础，光谱分辨率决定了系统分辨细微光谱特征的能力，多光谱与高光谱的选型需结合应用场景、数据量和成本综合判断，而常见波段的物理意义则是波段配置的直接依据。掌握这些基础概念后，下一阶段将进入相机核心参数（传感器类型、量子效率、动态范围、噪声特性）的深入解析，为后续的选型决策奠定完整知识框架。