東南大學(xué)在高光譜成像領(lǐng)域發(fā)表重要綜述論文

麥姆斯咨詢獲悉，近日，東南大學(xué)自動化學(xué)院洪丹楓教授團隊在高光譜成像（Hyperspectral Imaging, HSI）領(lǐng)域取得重要進展，相關(guān)成果發(fā)表于國際頂級方法學(xué)期刊《Nature Reviews Methods Primers》。該論文系統(tǒng)梳理了高光譜成像從概念定義、成像機制與技術(shù)路徑，到數(shù)據(jù)處理方法與典型應(yīng)用場景的完整鏈路，以及深入剖析人工智能（AI）時代高光譜技術(shù)面臨的關(guān)鍵挑戰(zhàn)與前沿發(fā)展方向。該成果為多學(xué)科研究人員提供了權(quán)威方法指南，有望進一步推動高光譜技術(shù)在科學(xué)研究與社會應(yīng)用中的廣泛拓展與深遠(yuǎn)影響。

圖1 高光譜成像數(shù)據(jù)示意圖與不同成像模態(tài)對比

從最廣義的定義來看，高光譜成像（HSI）是指從電磁波譜上采集獲取跨寬電磁譜范圍的空間–光譜聯(lián)合觀測數(shù)據(jù)（圖1a），其覆蓋范圍可從太赫茲與微波波段延伸至中波和長波紅外區(qū)域。本文重點關(guān)注圖像處理與分析領(lǐng)域中應(yīng)用最為廣泛的大氣窗口范圍，通常覆蓋380–2,500 nm波段（圖1b）。HSI以較高的光譜分辨率（通常為5–10 nm）獲取數(shù)百個連續(xù)光譜通道，使其具備寬譜段與精細(xì)光譜采樣的雙重優(yōu)勢，從而能夠?qū)崿F(xiàn)對場景中多種組成材料的有效識別與精細(xì)區(qū)分（圖1c、d）。

圖2 高光譜成像的不同掃描方式

高光譜數(shù)字圖像通常通過成像光譜儀對目標(biāo)場景進行光譜掃描獲取，主要包括四種典型成像方式：擺掃式（圖2a）、推掃式（圖2b）、凝視式掃描（圖2c）以及快照式成像（圖2d）。

高光譜數(shù)據(jù)分析的一般工作流程通常包括：從觀測獲得的輻射率或反射率高光譜數(shù)據(jù)出發(fā)，依次開展底層處理（如圖像復(fù)原、圖像增強與降維）以及高層分析任務(wù)（例如分類、光譜解混與目標(biāo)檢測）。

圖3 高光譜圖像分析流程

基于高光譜成像當(dāng)前面臨的局限性和新興優(yōu)化策略，東南大學(xué)洪丹楓教授團隊概述了該領(lǐng)域未來發(fā)展的長期愿景：

(1) “3J”智能協(xié)同：“3J”理念強調(diào)傳感（Joint sensing）、計算（Joint computing）與量化（Joint quantification）環(huán)節(jié)的深度耦合與協(xié)同優(yōu)化，涵蓋軟硬件協(xié)同設(shè)計、多類型高光譜傳感器的協(xié)同觀測，以及以HSI為核心的多模態(tài)數(shù)據(jù)聯(lián)合建模框架。

(2) 全視角結(jié)構(gòu)化成像：將光場成像、結(jié)構(gòu)光照明與高光譜傳感技術(shù)，與人工智能驅(qū)動的建模與分析方法統(tǒng)一融合，構(gòu)建綜合感知框架，推動新一代4D乃至更高維高光譜成像平臺的發(fā)展。

(3) HSI智能大腦：面向主動認(rèn)知的高光譜智能體突破傳統(tǒng)被動推理模式，通過融合物理感知先驗、自監(jiān)督光譜學(xué)習(xí)與因果推理機制，揭示傳統(tǒng)成像難以直接觀測的潛在物質(zhì)組成、隱含狀態(tài)及底層物理過程，實現(xiàn)復(fù)雜場景的深層解析，并形成“穿透—推理—行動—反饋”的閉環(huán)智能體系，使成像系統(tǒng)具備自主場景理解與決策能力。

(4) “九九歸一”愿景：在數(shù)據(jù)層面，實現(xiàn)高度壓縮的統(tǒng)一表示，可重建為不同傳感器類型、數(shù)據(jù)規(guī)模與空間光譜分辨率的觀測產(chǎn)品；在模型層面，構(gòu)建統(tǒng)一架構(gòu)以兼容多類HSI輸入與處理任務(wù)；在應(yīng)用層面，形成能夠靈活支撐多樣化高光譜應(yīng)用場景的通用系統(tǒng)平臺，最終服務(wù)于科學(xué)發(fā)現(xiàn)、技術(shù)創(chuàng)新與現(xiàn)實世界決策。

論文鏈接：

https://www.nature.com/articles/s43586-026-00470-x

《高光譜和多光譜成像技術(shù)、應(yīng)用和市場趨勢-2025版》

《短波紅外、中波紅外和制冷型紅外成像-2025版》