随着我国高光谱成像遥感持续发展，高分辨率高光谱成像仪愈加显得重要。高分辨率短波红外高光谱成像仪，特别是大孔径静态干涉光谱成像仪（LASIS）在植物覆盖、海岸线检测、矿石分布统计、自然灾害预警、灾后评估、食品及药品检测、军事敏感目标识别等方面发挥着重要作用。
碲镉汞（HgCdTe）为材料的短波红外探测器具有量子效率高、热激发暗电流小的优点，是LASIS采用的主流器件。但其普遍存在坏像元和响应不均匀的问题，影响了光谱复原准确性，需要进行校正。坏像元识别是校正的前提，国内外关于坏像元识别的研究较多，例如3σ阈值法、图像差分域识别、光谱角β阈值法、滑动窗口法等，但对于LASIS坏像元检测识别及其工程应用的研究极少。
据麦姆斯咨询报道，近期，中国科学院西安光学精密机械研究所的研究团队在《红外与激光工程》期刊上发表了以“星载遥感短波红外高速高光谱成像仪坏像元识别”为主题的文章。该文章第一作者为刘永征高级工程师，主要从事星载高速高光谱成像仪电子学设计方面的研究工作。
该研究团队结合多年来的LASIS高光谱成像仪研制经验，提出了适用于LASIS高光谱成像仪的基于模板的坏像元检测方法，多个航天项目也验证了本方法具有方法简捷、效果可靠的优点。
高光谱成像仪坏像元的识别方法
基于大孔径干涉成像光谱技术的高光谱成像仪系统，集成了时间调制和空间调制的优点，克服了高辐射通量与高稳定性之间的矛盾，实现了较高的高分辨高光谱成像性能。LASIS成像数据在目标的二维空间影像上同时叠加了包含其光谱信息的干涉图。基于LASIS的高分辨率高光谱成像仪原理如图1所示，短波红外谱段LASIS获取的实际图像如图2所示，要提取出所关注的光谱信息，数据处理的标准流程如图3所示。
图1 高分辨率高光谱成像仪原理示意图
图2 短波红外谱段LASIS图像
图3 干涉成像高光谱图像数据的处理流程
高光谱图像与普通相机图像对被摄目标关注的侧重点不同，它更关注的是从图像数据所提取出的目标点的光谱信息，故对存在的坏点更为敏感。因此，在提取目标点光谱信息前，必须进行高光谱图像数据的坏像元检测和校正。
高分辨率高光谱成像仪图像数据量巨大，为确保卫星数传通道的可靠性，高光谱图像数据下传前都进行过图像数据压缩。要利用高光谱图像数据，处理的流程如图3所示，分别是：图像解压缩、坏像元检测、坏像元均匀性校正、抽成大孔径空间调制谱（LSMIS）图像、去除暗电平、干涉图直流去除、切趾、相位修正，傅里叶逆变换，最终获得光谱数据曲线。
可以看到，坏像元检测是整个高光谱成像仪图像数据进行应用的最前端步骤，对光谱复原影响最为直接。高光谱图像数据从最初的LASIS图像到最终的输出光谱，将所有预处理环节省略掉，数据处理可概括为LASIS图像选取某列干涉曲线到光谱曲线的逆向傅里叶变换。
目前有研究人员在传统坏像元检测方法的基础上，从应用自动识别算法的角度进行了研究性尝试，取得了一定效果，但往往仅能在实验室使用，处于科研探索的阶段，并不能应用在成熟稳定的业务化的高光谱图像数据应用中。
作者根据长期在高光谱成像仪工程项目研发中积累的经验基础上，结合大孔径干涉光谱成像遥感应用流程的特点，提出了一套实用有效的坏像元识别及分类方法，有效解决了多个星载遥感用的干涉成像高光谱成像仪的坏像元识别和分类问题。
从电子学实现的角度看高光谱图像数据，红外探测器光电转换获取的模拟视频信号，首先经过模拟前端进行信号调理和放大，放大倍数以G=1.4N（N= −2、−1、0、1、2）为常规设置，目的是为了匹配不同太阳光高度角照射下及不同反射率时进入星载成像光谱仪光学系统的辐照能量。另外，星载遥感系统往往有变化轨道以适应不同分辨率和幅宽的具体需求，这也要求高光谱成像仪帧频可调以匹配速高比。
针对航天遥感使用中的变化模拟视频放大倍数（即模拟视频的增益）和变化帧频的使用特点，设计了一种依据设计模板来识别坏像元的方法。操作流程如图4所示。
图4 模板法检测坏像元技术流程
设计增益模板下坏像元识别
航天遥感为获取高的空间分辨率和宽的对地遥感幅宽，所选用短波红外探测器图像面阵为1000×256面阵，像元尺寸为30μm×30μm，最高帧频为390fps。
高光谱成像仪设计的5档增益中，对应的曝光时间控制范围从2.6~5.6ms。在星载系统中，卫星平台根据观测目标，及时修正高光谱成像仪的增益，故此，增益设置指令模块是发射前例行且必须检查的检测和演练项目。设计增益模板来对高光谱成像仪短波红外谱段的坏像元进行识别和分类，没有增加高光谱成像仪研制过程的额外工作量和检查项目及流程。其过程为依次设定高光谱成像仪工作在5档增益下，并相应记录对应的图像数据；计算各档增益下的图像多帧平均灰度值，作为该增益下对应的正常响应；根据各档增益下图像响应值，设计增益响应模板，作为界定非正常响应的灰度响应界限；按照模板，逐档增益判读异常像元。将响应值未落入增益模板内的像元，记录其位置，识别为坏像元。
图5中以最简单的增益模板，高光谱成像仪设计为从增益1依次增大到最高档增益，图像响应值从平均值989~3800，在此过程中，计算出正常图像平均响应服从响应曲线L₆，考虑测量误差及图像面阵的不一致性容限，模板刻画为曲线L₅（相对L₆，DN值低30）和L₇（相对L₆，DN值高30）内为正常响应像元（L₅、L₇容限值10DN）；按照增益1到增益5增大响应时，实际响应未落入模板内的即为异常像元，标记异常像元的响应曲线，并按其特征进行分类。
图5 增益设计模板
高光谱成像仪的短波红外图像中，出现1类异常像元（简称第1类）为响应在各档增益下整体偏低，且其灰度值不随增益增大而增大（固定为暗背景值），其响应特征曲线为L₁，定义为暗点像元，简称暗点；图像中还出现了1类像元（记作第2类），随增益增大时整体响应偏低，但灰度值在增益增大时会略微增大，其响应特征曲线为L₂，称之为弱响应像元；图像中也大量出现了一类像元（记为第3类），其表现为在前三档增益下，其响应值高于正常像元响应值，在后两档增益下，其响应值高于正常响应值，响应特征曲线表现为L₃，称之为非线性响应像元；图像中第4类像元，其在各档增益下，灰度值均很高，且不随积分时间增大而变化，其响应特征曲线表现为L₄，现象比较典型，如图6所示，简单描述为常亮，称之为亮点。绝大多数像元响应灰度都值服从随着增益增大而增大，响应特征曲线可以被L₅、L₆、L₇三条曲线所表征，这些都是正常像元。
图6 增益4和增益5下的亮点坏像元
以往坏点去除研究的不足主要是坏点的漏判和多判比较严重，漏判是指对探测器坏点识别不全面，多判是指将探测器的部分非坏像元识别为坏像元，导致出现误判和漏判现象的主要原因是坏像元检测算法不适用。
设计帧频模板下坏像元识别
星载高光谱成像仪要满足在轨变轨条件下任务需求，需测试不同帧频下的成像能力，故帧频响应能力是必测项目，作者充分利用装星及发射前必测项目设计了帧频检测模板来识别坏像元。
在星载遥感高速高光谱成像仪中，设计短波红外高光谱成像仪在1000×256图像幅面下依次工作帧频为230、260、290、320、350、380 fps，采集并记录连续帧图像数据；计算连续帧图像中各个像元的不同帧频时响应灰度值。
在此设计模板下，短波红外光谱通道（0.8~3.0μm）图像数据量高达1000×256×12bit×390fps=1.14Gbps。在每个工作帧频下，计算每个像元灰度值是指计算该帧频下采集到图像的每个像元的灰度响应。以帧频数值为横坐标，以灰度值为纵坐标，对所有像元进行画图，即可得到成像仪各像元的帧频响应分布，如图7所示。
图7 短波红外图像中各像元的帧频响应值
短波红外高光谱成像仪坏像元分类
碲镉汞短波红外焦面探测器是干涉成像高光谱成像仪的核心器件，技术水平与制作工艺的限制使得HgCdTe短波红外焦面探测器仍普遍存在坏像元和感应非均匀性的像元，且坏像元的数量会随着探测器开关机次数的增加而增加，因此对HgCdTe短波红外焦面探测器进行坏像元识别非常必要。
通过前述的两种识别模板，对HgCdTe短波红外焦面探测器的所有像元遍历模板涉及的所有测试点响应后，可有效识别出所有坏像元，通过对其进行分类，可以为采取有效的坏像元校正方法提供有效的参考依据。
通过对碲镉汞短波红外焦面探测器的异常响应像元的响应特征进行分析，可以将碲镉汞短波红外焦面探测器的坏像元分为以下几类：
（1）暗点像元，其对两类检测模板的增益和帧频变化时的输入光照能量变化没有响应上的变化，图像上表现为常暗，灰度值在暗背景灰度值附近，图像灰度值响应曲线如模板1（增益模板）和模板2（帧频模板）中的L₁曲线。
（2）弱响应像元，其对两类检测模板的增益和帧频变化时的输入光照能量变化有响应，但响应均较大多数正常像元的灰度值偏暗，灰度值总是低于大多数像元，图像灰度值响应曲线如模板1和模板2中的L₂曲线。
（3）非线性响应像元，其对两类检测模板中的增益和帧频变化时输入的能量变化有响应，且其比大多数正常像元的响应差异小。只有仔细比对完整个响应范围才能发现其与大多数线性响应的像元有响应特征上的差异，表现为输入能量不强时，其响应比正常像元的响应值高；输入能量强时，其响应却比正常的像元响应值低，其响应特征曲线如模板1和模板2中的曲线L₃所示。
（4）亮点像元，其对两类检测模板中的增益和帧频变化没有响应上的变化，上电即常亮。其响应特征表现为模板1和模板2中的曲线L₄所示。
HgCdTe短波红外焦面探测器的多数像元均在模板1和模板2的测试中表现出线性变化，其在图像上灰度值的特征表现为曲线L₆所示。因为像元响应值的分布误差，会表现为部分像元响应特征在L₆附近，以曲线L₅为响应下限边缘，曲线L₇为响应上限边缘，也就是说大多数在L₅和L₇划定边界的模板内。
坏像元修正和非均匀性修正都是红外探测器投入高光谱遥感应用前必须的修正过程，坏像元识别和分类是进行修正的前提。通过坏像元校正将坏像元的错误输出值校正为合理的输出值，通过非均匀性校正来校正像元的响应曲线，使他们对同样强度的红外辐射具有趋于正常像元的响应值。
SWIR高光谱成像仪坏像元检测
在高光谱成像仪电子学设计技术流程中，筛选短波红外探测器阶段在组装之前，对短波红外高光谱成像仪的坏像元进行识别后，然后按其特征进行分类，这样为有效的修正提供了便利。短波红外高光谱成像仪采用定制大面阵制冷型探测器（外观如图8所示）。
图8 制冷型1000×256大面阵高速短波红外探测器
按照短波红外高光谱成像仪的设计工作模式，测试增益模板中其不同增益（G表示Gain，分别取值G1、G2、G3、G4、G5）下的图像，统计面阵图像中的坏像元数量；再按照帧频模板中工作模式，测试帧频变化范围内图像的响应值，特别保留选取模板帧频为180、220、260、300、340、380fps的图像，复核增益模板。对两次模板统计出的坏像元，按类分别筛查其面阵坐标位置，生成坏像元坐标文件。图9是设计模板检测坏像元的流程图。
图9 基于增益模板和帧频模板的坏像元识别流程图
暗背景下采集图像，识别亮点像元如图10所示。
图10 高速高光谱成像仪不同增益下亮元及暗元检测
通过增益模板的检测，可检测出短波红外高光谱成像仪图像中亮点像元、暗点像元、弱响应像元、非线性响应像元。
通过对星载干涉成像短波红外高光谱成像仪进行亮点及暗点像元检测，在12bit量化下，在增益4下，图像响应灰度值在2500附近时，检测结果最为准确。
坏像元修正测试
对按照设定模板识别并分类的坏像元中的暗点像元和亮点像元进行了修正，以验证坏像元识别及分类的有效性。
按照之前筛选检测生成的坏像元坐标文件，对图像中暗点像元和亮点像元进行了修正，修正方法选取工程中常用的拟合插值替代法。大孔径干涉成像高光谱图像在修正坏像元时沿干涉曲线方向（列）进行拟合插值替代，采用分段二次函数拟合的方法。
修正前各列典型的坏像元对本列干涉图曲线影响见图11（a）~（c），修正后的LASIS图像结果见图11（b）。图11（a）是增益3下识别的第486列的两个坏像元（标记为1#、2#），（c）是第605列的坏像元修正后的列干涉图。测试结果及工程应用表明：文中提出的坏像元检测方法，具有实用性强、工程开支成本低、方法便捷等优点。
图11 坏像元对大孔径干涉成像短波红外光谱图像干涉图的影响
结论
大面阵制冷型碲镉汞短波红外焦面探测器在星载遥感干涉成像高光谱成像仪中的广泛应用，使得其坏像元对光谱复原的影响问题变得日益显著。文中结合大孔径干涉成像高速高光谱成像仪研制的工程化流程，提出了一种新的低成本的增益模板+帧频模板的坏像元检测方法，经过广泛验证，结果表明该方法效率高成本低，为有效矫正坏像元提供了便利，使得从干涉图到光谱数据立方体的提取更高效准确。目前作者已在具体遥感高光谱成像项目中实际使用该方法，方法的工程化应用大大提升了短波红外干涉成像高光谱成像仪遥感业务的可靠性，为遥感用干涉成像高光谱成像仪的规范化提供了参考。
DOI: 10.3788/IRLA20220308
