谱图信息处理的核心是将面阵探测器采集到的二维图像信息转化为横纵坐标分别为波长和光强的一维谱图信息, 其主要任务之一是提高光谱数据的质量, 消除仪器和测量过程中的噪声干扰, 提高光谱分辨率和信噪比。 谱图处理流程涵盖多个环节, 原始光信号通过去噪、 质心提取再与汞灯标定所建立的新谱图数据模型做匹配, 得到一张一维谱图信息, 如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 谱图处理流程图Fig.1 Spectrum processing flow chart

光谱信号采集过程如图1右侧流程所示, 未知光源入射光经过入射针孔进入仪器后, 经准直镜后入射到中阶梯光栅, 光束经反射棱镜横向色散, 最终聚焦在CMOS相机处, 通过CMOS相机模块按实验所需高效捕获光谱图像; 在信号预处理阶段, 由于谱图中绝大部分光斑是背景噪声, 少部分是有效信号经交叉色散汇聚在探测器上的弥散斑, 这些光斑对应的像素值一般大于背景噪声的像素值, 因此只要建立合适的阈值处理算法就能规避背景噪声所带来的信号干扰, 最后将所有符合要求且进行去噪^{[8, 9, 10]}处理后的谱图叠加, 就可以找到一个唯一的光斑质心, 即灰度值最大处。

谱图模型构建过程如图1左侧流程所示, 先根据设计参数构建一个理论谱图数据模型, 再通过拍摄汞灯谱图进行校准。 由于汞灯发出的光谱线分布均匀且覆盖范围广, 光谱特性稳定, 具有明显的特征波长, 因此在实验过程中选择汞灯作为入射光源, 汞灯入射所得到的实际光谱线在检测器上的位置与理论位置的偏差通过最小二乘法拟合后可得到经校正的谱图新模型。

最后将未知光源入射光所得到的光强矩阵与经过拟合校正所构建的新谱图数据构建模型, 即可获得横纵坐标分别为波长和光强的一维谱图。

中阶梯光栅光谱仪二维谱图^[11]的光斑信号分布如图2(a) 所示, 其显著表现为高空间分辨率与宽动态响应特性。 基于交叉色散原理的谱图还原模型如图2(b)所示, 二维谱图呈现出独特的带状分布, 通过中阶梯光栅的主色散与棱镜的交叉色散协同作用, 将入射光按波长-级次双重维度分离, 形成了一系列平行光谱带, 各光谱带表征了特定光谱级次自由区内波长的分布位置与范围。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 二维谱图 (a): 原始谱图; (b): 谱图还原模型Fig.2 Two-dimensional spectrum (a): Original spectral diagram; (b): Spectral reduction model

中阶梯光栅的高分辨率特性使得一维谱图能够将不同波长的光精细地分离, 在有限的波长范围内展现出众多的光谱线, 光谱峰表征该波长处光强度的相对大小, 峰宽则与能级跃迁、 仪器分辨率等因素有关。

针对中阶梯光栅光谱仪谱图高空间分辨率和宽动态响应范围的特点, 要求其探测器具有极弱信号探测能力并有大位深。 但现有谱图处理技术在光谱信号采集环节存在显著效率瓶颈, 具体表现为单次曝光模式下光斑信号数据捕获损耗大且动态范围受限, 选择短曝光时间无法探测弱信号, 选择长曝光时间探测弱信号时又往往位深无法满足以至较强信号出现过饱和现象。 因此, 为了提升谱图采集速度, 解决位深难以满足动态范围的问题, 改善光斑质心提取精度, 本研究提出了一种多曝光累计融合法。

光斑质心^[7]是光学系统中光斑图像强度分布的中心位置, 谱图数据采集的核心是精确获取光斑质心坐标并实现全信号覆盖。 在构建一维谱图的流程中, 曝光参数^[6]的优化设置与光斑质心坐标定位的精度将直接影响一维谱图的准确性。 对于绝大部分位制相机, 单次曝光模式无法兼顾强度差异显著的多个光斑, 易造成有效信息缺失。 针对上述问题, 为了谱图采集的普适性与降低仪器研发成本等目的, 实验采用八位位深的相机, 光强动态范围0~255, 若谱图中单个光斑内出现像素值达到255, 说明此光斑已经饱和, 若单个光斑内出现两个以上像素饱和则视为过曝。 本文提出的多曝光累计融合法, 通过动态调整曝光时间, 分别捕获弱、 中、 强信号光斑, 有效提高信号数据利用率, 将不同曝光时间下的有效谱图智能叠加, 既扩展了动态范围, 又可抑制随机噪声干扰。

用于中阶梯光栅光谱仪的多曝光累计融合法, 采用FPGA时序控制架构实现CMOS相机自动化曝光管理。 为适配复杂应用环境下的光谱检测需求, 采取二分搜索策略迭代调整初始曝光时间, 给定总曝光时间范围0~5 000 ms为搜索区间, 初始捕获时间t₀=2 500 ms, 每捕获一张谱图, 会由后台程序进行自动化判读: 若识别到当前谱图中无饱和像素, 则向后延长曝光时间; 若检测到饱和像素, 则向前缩短曝光时间。 由于光斑信号的检测阈值与信噪比^[12]有关, 信号强度必须大于噪声强度, 考虑在实际应用中的可靠性, 设定信噪比大于等于10, 信号能被可靠检测提取, 同步结合像素值与信噪比, 在无像素达到饱和且光斑信噪比高于临界阈值条件下, 将这个时间作为实验的初始捕获时间t₁, 该方法通过软硬件协同创新, 提升了谱图采集的效率。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 捕获谱图 (a): 光斑质心; (b): 背景噪声Fig.3 Spectrum captured (a): Spot centroid; (b): Background noise

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 确定初始捕获时间t1Fig.4 Determination of the initial capture time t1

在确定初始曝光时间后, 系统进入动态光谱采集阶段, 测试发现, 仪器采用5ms为时间间隔进行递增曝光, 能够有效避免探测器响应不均匀。 CMOS相机自动捕获并进行实时判读, 其核心处理逻辑: 检测谱图中是否有饱和像素, 若有则分为两种情况: (1) 若首次检测到光斑内存在饱和像素, 直接保存当前曝光时间前10 ms的光谱图, 规避初始过曝风险; (2) 非首次检测到光斑内存在饱和像素, 此时也分两种情况: ①若当前饱和像素与之历史光斑的空间距离相差不超过5个像素, 即可认为此饱和像素为同一光斑的时域演化, 不保存当前谱图。 ②若检测到的饱和像素超出空间距离阈值, 判定为新饱和光斑, 保存当前曝光时间前10 ms的光谱图。 需要指出的是, 以上方法在一般环境扰动下能有效区分光斑的时域演化, 但在个别极端情况下导致光斑距离超过阈值的情况易将同一光斑误判为“ 新饱和光斑” , 因此为进一步提升谱图采集的准确性, 在空间距离判定的基础上, 引入光斑特征判读, 若光斑在曝光中特征保持一致, 即使空间距离超过5个像素, 仍判定为同一光斑的时域演化, 避免谱图采集冗余及有效信号丢失。

表1

Table 1

表1(Table 1)

表1 不同曝光时间下的强度 Table 1 Intensities at different exposure times 曝光时间/ms 曝光强度 25 231 30 250 35 255(two) 40 234 45 248 50 255(one) 45 231 50 250 55 255(two)

表1 不同曝光时间下的强度 Table 1 Intensities at different exposure times

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 捕获谱图全流程Fig.5 The whole process of capturing spectra

在光斑数量检测环节, 针对噪声与弱信号难以区分的问题, 采用动态阈值处理实现光斑轮廓的精确识别与统计; 将低于阈值的背景区域置0, 仅保留有效光斑信号置1, 对阈值处理后的图像进行二值化^[13]转换, 将所有像素值分布在0或1, 强化背景区域与有效光斑的对比度, 轮廓检测算法采用Opencv中的cv2.findContours()函数来检测二值图像中所有光斑轮廓, 通过检测到的轮廓数量统计光斑数量。 若相邻曝光时刻光斑数量增加则继续延长曝光时间以检测弱信号, 若光斑数量不再增加, 则结束捕获谱图并输出所保持的n张光谱图像进行后续的谱图处理。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 统计光斑数量流程图Fig.6 Flow chart of counting the number of spots

将保存的n张谱图进行像素值叠加, 生成聚合后的二维谱图。 原始数据中掺杂的噪声、 背景等干扰信息, 直接影响了谱图处理的精度与结果。 通过线性归一化^[14]将像素值置于0到1之间, 从而消除量纲差异使数据具有可比性和一致性。 仪器系统内部与外部工作环境的响应会产生大量噪声数据, 噪声数据本身具有不确定性。 对分辨率要求高的数据处理需减少峰形失真, 为了改善谱图处理的质量, 采用平滑线性空间滤波对谱图进行二次处理, 通过对图像进行卷积操作^[15], 对局部邻域加权平均, 能够保持二维谱图的整体结构和形状, 可以有效去除背景噪声。 最大限度去除背景噪声后, 通过反向应用线性归一化公式, 利用坐标将像素值映射回原始范围。

最后进行信号光斑的质心提取, 根据信号光斑弥散特性设置窗口判别条件, 探测窗口中包含了光斑的全部有效光强信息。 针对光斑分布形态各不相同的情况, 采用自动化窗口选择: 若光斑半高宽≤ 3像素采用离散质点模型; 若光斑半高宽> 3像素采用连续质量分布模型, 每个探测窗口仅包含一个光斑信号, 保证准确判别信号光斑的同时可以减少运算量、 提高运算效率。 光斑探测窗口的判别条件: (1) 中心像素值高于领域均值。 (2) 像素区域的像素累计值超过相邻区域总和。 满足条件的区域被判定为有效光斑, 其中心像素点为光斑的强度极大值所在像素, 从而可以得出光斑质心的坐标位置。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 谱图处理流程图Fig.7 Spectrum processing flow chart