基于压缩感知与字典学习的中波红外计算光谱成像技术

1. 项目概述：当光谱成像遇见压缩感知

在环境监测、工业安全和科学研究领域，气体检测一直是个核心课题。传统的气体检测方法，比如傅里叶变换红外光谱仪，虽然精度高，但设备往往笨重、昂贵，对环境振动敏感，而且需要逐点扫描，获取一张完整的光谱图像耗时很长。这就像用一台巨大的天文望远镜去观察家门口的树——能力是过剩的，但用起来实在不方便。尤其是在需要大范围、实时监测气体泄漏或污染物扩散的场合，比如化工厂周边、城市空气质量网格化监测，传统设备的短板就更加明显。

中波红外波段是解决这个问题的“黄金窗口”。许多我们关心的气体，比如二氧化碳、二氧化硫、一氧化碳、氮氧化物，它们的分子在这个波段有非常独特且强烈的振动吸收特征，就像人的指纹一样，被称为“指纹光谱”。如果能快速、准确地获取目标区域的中波红外光谱图像，我们就能不仅“看到”气体的分布，还能“认出”它是谁，甚至“算出”它有多少。

然而，理想很丰满，现实却很骨感。获取高光谱图像本质上是获取一个三维数据立方体：二维的空间信息加上一维的光谱信息。按照传统思路，这需要庞大的分光系统和精密的机械扫描机构，导致系统复杂、成本高昂。压缩感知理论的出现，为打破这个僵局提供了全新的思路。它的核心思想颠覆了传统的“先大量采样，后压缩”的模式，而是“边采样边压缩”。简单来说，如果信号本身是稀疏的（即可以用少数几个基向量的组合来近似表示），那么我们就有可能用远低于传统采样定理要求的测量次数，完美地重建出原始信号。

将压缩感知应用于光谱成像，就催生了计算光谱成像这一前沿方向。其基本流程是：首先，通过一组精心设计的光学滤波器（比如文中提到的宽带薄膜滤波器阵列）对入射的光谱信息进行编码和压缩，只采集少数几个通道的混合光强图像；然后，利用已知的滤波器透过率曲线（测量矩阵）和信号在某个“字典”下的稀疏性先验，通过数学算法从这些压缩的测量值中反推出完整的光谱数据立方体。这就像你只听了交响乐中几个关键乐器的混合声音，但凭借对乐谱（字典）和乐器声音特点（稀疏性）的了解，就能在脑海中重建出整个乐团的演奏。

本文介绍的工作，正是这一思路在中波红外气体检测领域的一次深入实践。我们提出并验证了一套完整的基于字典学习与稀疏重建的中波红外计算光谱成像技术方案。这套方案的核心优势在于，它巧妙地平衡了“轻量化硬件”与“高精度算法”之间的矛盾。我们不再追求复杂的光学系统，而是转向设计简单的宽带滤波器阵列和强大的后端重建算法。其中，字典学习负责从数据中自动学习最能代表目标光谱特征的“基元”（字典原子），而稀疏重建算法则负责用最少的基元来拟合观测到的压缩信号。特别地，针对中波红外气体光谱尖锐吸收峰的特点，我们设计了一种分阶段字典构建策略，有效提升了算法对这类特征的刻画能力。

2. 核心原理拆解：从物理编码到数学重建

要理解这套技术，我们需要深入两个层面：一是物理层面，光信号是如何被压缩测量的；二是数学层面，压缩的信号是如何被重建出来的。这两个层面通过“测量矩阵”紧密耦合。

2.1 物理编码模型：滤波器阵列如何工作

想象一下，我们在相机传感器（焦平面阵列）的每个像素前，放置一个微小的、透过率曲线不同的滤波器。这些滤波器排列成一个马赛克图案，这就是多光谱滤波器阵列。场景中某一点的光谱信号 $H(\lambda)$，在到达传感器像素时，会先经过其正上方的那个滤波器。这个滤波器就像一个“加权筛子”，对不同波长的光有不同的透过率 $R_i(\lambda)$。最终，这个像素记录下的强度值 $I_i$，是光谱 $H(\lambda)$ 与滤波器响应 $R_i(\lambda)$ 在整个波段上的积分结果，再加上系统噪声 $e_i$。

用公式表示就是： $$I_i = \int_{\lambda_{min}}^{\lambda_{max}} H(\lambda) R_i(\lambda) d\lambda + e_i$$

如果我们有 $M$ 种不同的滤波器，对整个场景成像后，我们就能得到 $M$ 张二维强度图像。每一张图像都包含了所有空间点的、但经过特定滤波器调制后的混合光谱信息。将上述公式离散化并忽略噪声，可以写成简洁的矩阵形式： $$\mathbf{I} = \mathbf{R} \cdot \mathbf{H}$$ 这里，$\mathbf{I} \in \mathbb{R}^M$ 是由 $M$ 个测量值构成的向量（对应 $M$ 张图像中同一个空间位置的像素值），$\mathbf{H} \in \mathbb{R}^N$ 是我们想要求解的、具有 $N$ 个光谱通道的原始光谱向量，而 $\mathbf{R} \in \mathbb{R}^{M \times N}$ 就是测量矩阵，它的每一行代表一个滤波器在 $N$ 个波长通道上的光谱响应。

问题的关键来了：通常我们为了降低硬件复杂度和数据量，会使用较少数量的滤波器类型，即 $M \ll N$。例如，文中使用9种滤波器来重建41个光谱通道。这使得方程 $\mathbf{I} = \mathbf{R} \cdot \mathbf{H}$ 是一个严重的欠定方程，有无穷多解。单靠这个方程，我们无法确定唯一的 $\mathbf{H}$。

2.2 数学重建基石：信号的稀疏性与字典表示

压缩感知之所以能解决这个欠定问题，依赖于信号的一个关键特性：稀疏性。稀疏性是指，一个信号在某个合适的基（或字典）下展开时，绝大部分系数为零或接近于零，只有少数几个系数显著不为零。

对于光谱信号 $\mathbf{H}$，我们假设存在一个字典 $\mathbf{D} \in \mathbb{R}^{N \times P}$（其列向量称为字典原子），使得 $\mathbf{H}$ 可以近似表示为字典中原子的线性组合，且组合系数向量 $\mathbf{s} \in \mathbb{R}^P$ 是稀疏的（即只有 $k$ 个非零元素，$k \ll P$）。用公式表示就是： $$\mathbf{H} \approx \mathbf{D} \cdot \mathbf{s}, \quad \text{满足} \ |\mathbf{s}|_0 \leq k$$ 这里 $|\cdot|_0$ 表示 $L_0$ 范数，即非零元素的个数。

将稀疏表示代入测量方程： $$\mathbf{I} = \mathbf{R} \cdot \mathbf{H} \approx \mathbf{R} \cdot \mathbf{D} \cdot \mathbf{s} = \mathbf{\Phi} \cdot \mathbf{s}$$ 其中，$\mathbf{\Phi} = \mathbf{R} \cdot \mathbf{D} \in \mathbb{R}^{M \times P}$ 被称为压缩感知矩阵或等效测量矩阵。

现在，我们的问题转变了：从求解欠定的 $\mathbf{H}$，转变为在稀疏约束下求解 $\mathbf{s}$。即，寻找一个最稀疏的系数向量 $\mathbf{s}$，使得 $\mathbf{\Phi} \cdot \mathbf{s}$ 尽可能接近观测值 $\mathbf{I}$。数学上表示为： $$\min_{\mathbf{s}} |\mathbf{I} - \mathbf{\Phi} \cdot \mathbf{s}|_2^2 \quad \text{subject to} \quad |\mathbf{s}|_0 \leq k$$ 这是一个组合优化问题，直接求解是NP难的。但有一大类贪婪算法或凸优化算法可以高效地求得近似解，例如本文采用的正交匹配追踪算法。

注意：这里存在一个“三角关系”：测量矩阵 $\mathbf{R}$ 由硬件（滤波器）决定，字典 $\mathbf{D}$ 由算法和数据决定，而最终的重建精度和效率，取决于它们共同构成的压缩感知矩阵 $\mathbf{\Phi}$ 的性质。一个好的 $\mathbf{\Phi}$ 需要满足有限等距性质等条件，以确保稀疏解的唯一性和稳定性。因此��硬件设计和字典设计必须协同优化。

2.3 算法核心：分阶段字典学习与OMP重建

本文方法的创新点之一在于字典的构建策略。通用的字典（如离散余弦变换基、小波基）可能无法高效表示中波红外气体光谱这种具有尖锐吸收峰的特异性信号。因此，我们采用数据驱动的字典学习方法来构建专用字典。

第一阶段：基础字典学习我们从公开的大规模可见光平滑光谱数据集（如ARAD-1K）中随机抽取数万条光谱作为训练集。目标是学习一个字典 $\mathbf{D}0$，使得这些训练光谱 $\mathbf{Y}$ 能够被字典稀疏地表示。这通过求解以下优化问题实现： $$\min{\mathbf{C}, \mathbf{D}_0} |\mathbf{Y} - \mathbf{C} \cdot \mathbf{D}_0|_F^2 + \lambda |\mathbf{C}|_1$$ 其中 $\mathbf{C}$ 是稀疏系数矩阵，$|\cdot|_F$ 是Frobenius范数，$|\cdot|_1$ 是 $L_1$ 范数用于促进稀疏性，$\lambda$ 是正则化参数。通过交替优化 $\mathbf{C}$ 和 $\mathbf{D}_0$，我们可以得到一个擅长表示平滑光谱背景的初始字典。这个字典是后续增强的基础。

第二阶段：中波红外特征增强初始字典 $\mathbf{D}_0$ 源于可见光波段，缺乏对中波红外特征，特别是气体尖锐吸收峰的刻画能力。为此，我们设计了一个分阶段增强策略：

1. 构建 Dictionary-V1：在 $\mathbf{D}_0$ 的基础上，直接加入四种典型气体（CO2, SO2, CO, NO）在目标波段的透过率曲线作为新的字典原子。这样，字典就显式地包含了目标气体的“指纹”特征。
2. 构建 Dictionary-V2：在 Dictionary-V1 的基础上，进一步加入一个温度范围（如353K-553K）内的黑体辐射光谱曲线。这是因为在实际气体检测中，目标光谱是气体吸收特征与背景黑体辐射光谱的乘积。加入黑体辐射原子，有助于字典同时建模背景辐射和气体吸收的耦合效应。

这种分阶段构建的字典，兼具了对平滑背景的回归能力和对尖锐吸收特征的刻画能力，为高精度重建奠定了基础。

重建过程：正交匹配追踪有了测量矩阵 $\mathbf{R}$ 和增强后的字典 $\mathbf{D}$，我们就得到了压缩感知矩阵 $\mathbf{\Phi}$。对于每一个空间像素点的压缩测量向量 $\mathbf{I}$，我们使用正交匹配追踪算法来求解稀疏系数 $\mathbf{s}$。 OMP是一种贪婪迭代算法，其步骤如下：

1. 初始化：残差 $\mathbf{r}_0 = \mathbf{I}$，支持集 $\Lambda_0 = \emptyset$，迭代次数 $t=1$。
2. 匹配：找到与当前残差 $\mathbf{r}{t-1}$ 最相关的字典原子（即 $\mathbf{\Phi}$ 的列）的索引 $\lambda_t = \arg \max_j |\langle \mathbf{r}{t-1}, \phi_j \rangle|$。
3. 更新支持集：$\Lambda_t = \Lambda_{t-1} \cup {\lambda_t}$。
4. 求解最小二乘：利用支持集 $\Lambda_t$ 对应的列构造矩阵 $\mathbf{\Phi}{\Lambda_t}$，求解 $\mathbf{s}t = \arg \min{\mathbf{s}} |\mathbf{I} - \mathbf{\Phi}{\Lambda_t} \mathbf{s}|_2^2$。
5. 更新残差：$\mathbf{r}t = \mathbf{I} - \mathbf{\Phi}{\Lambda_t} \mathbf{s}_t$。
6. 判断终止：如果 $t = k$（达到预设的稀疏度）或残差足够小，则停止；否则 $t = t+1$，返回步骤2。

最终，重建的光谱为 $\mathbf{\hat{H}} = \mathbf{D} \cdot \mathbf{s}_k$。OMP算法计算效率高，对噪声有一定鲁棒性，非常适合嵌入式或实时性要求较高的应用场景。

3. 硬件与参数协同设计：寻找最优平衡点

计算光谱成像是一个典型的“软硬结合”系统。算法性能的上限，很大程度上由硬件编码器的设计决定。本文的核心硬件是宽带光学薄膜滤波器。它的设计参数直接决定了测量矩阵 $\mathbf{R}$ 的质量，进而影响整个重建过程。

3.1 滤波器关键参数仿真分析

我们通过大规模的仿真实验，系统地探究了三个关键硬件参数对光谱重建性能的影响：滤波器数量 $M$、薄膜层数以及单层厚度范围。评价指标是重建光谱与原始光谱之间的峰值信噪比。

1. 滤波器数量与薄膜层数：仿真结果表明，增加滤波器数量能显著提升重建精度。这直观易懂，更多的测量值提供了更多关于原始信号的信息。然而，薄膜层数的影响并非单调递增。当层数达到一定数量后（例如8层），再增加层数对性能提升微乎其微，反而增加了制备复杂度和成本。这说明，通过优化薄膜结构设计，可以用相对简单的结构实现有效的编码。在我们的设计中，最终选择了9种滤波器，每种8层薄膜的配置，在性能和复杂度之间取得了良好平衡。

2. 单层厚度范围：薄膜每层的物理厚度是一个需要优化的随机变量（均匀分布）。仿真发现，当最小厚度在100-250 nm，最大厚度在600-700 nm范围内时，重建性能最优。这个范围恰好落在常规红外光学镀膜工艺的可实现区间内，为工程化提供了便利。

实操心得：在进行这类参数扫描仿真时，一定要建立完整的正向成像模型和逆向重建流程。我们的做法是，随机生成数万组符合厚度范围约束的滤波器透过率曲线，对固定的测试光谱集进行重建，统计平均PSNR。这个过程计算量巨大，但能可靠地找到全局较优的参数区间，避免了依靠经验或局部搜索可能陷入的次优解。

3.2 字典规模与数据需求的权衡

字典学习需要数据。但在中波红外领域，尤其是针对特定气体的高光谱数据集非常稀缺。我们的另一个仿真分析了字典学习所需训练集大小对性能的影响。

令人振奋的结果是，即使在小样本场景下（例如仅使用100-200条光谱进行训练），算法也能保持良好的重建性能。当训练光谱数量增加到1000条以上时，性能提升趋于平缓并保持在高位。这意味着我们的方法对训练数据的依赖程度较低，这极大地增强了其在数据匮乏的实际气体检测场景中的实用性。

这背后的原因是，我们构建的字典原子（164个）数量远小于光谱的维度（41通道）。字典学习的过程本质上是学习一个低维流形，在这个流形上，光谱信号是稀疏的。只要训练样本能覆盖这个流形的主要变化模式，学习到的字典就具有较好的泛化能力。中波红外气体光谱虽然形态特异，但其变化模式相对于广阔的可见光谱而言是有限的，因此不需要海量数据。

4. 仿真验证与结果分析：方法可行性的数字证明

在确定了硬件参数和算法框架后，我们通过严格的仿真来验证方法的有效性。测试集包含三类光谱：黑体辐射光谱、非训练平滑光谱以及四种典型气体的吸收光谱。

4.1 平滑光谱重建：验证基础回归能力

首先测试算法对平滑光谱的重建能力，这是所有复杂光谱重建的基础。我们使用黑体辐射光谱（353K-553K）作为测试对象。

• 结果：使用最终增强的 Dictionary-V2 和其对应的最优滤波器组，对黑体辐射光谱的重建取得了最佳效果。其重建PSNR最低值也超过了40 dB，这意味着重建误差非常小。作为对比，仅使用基础平滑字典 Dictionary-V0 时，重建光谱会出现明显的锯齿状结构。这是因为 Dictionary-V0 缺乏对黑体辐射形状的先验知识，在稀疏约束下难以同时保证信号的平滑性和拟合精度。
• 分析：这一结果清晰地证明了分阶段字典构建策略中“加入黑体辐射原子”的必要性。Dictionary-V2 通过显式引入背景辐射模型，使���法能更精准地分离和重建背景成分，为后续叠加气体吸收特征打下了坚实基础。

4.2 气体吸收光谱重建：核心挑战的攻克

气体吸收光谱的重建是本项目的核心目标，也是最大挑战。气体吸收峰通常很尖锐（半高宽在50-200 nm），吸收深度大（30%-100%），这对字典的细节刻画能力提出了极高要求。

• 结果对比：我们对比了三个字典（V0， V1， V2）在重建 CO2， SO2， CO， NO 吸收光谱时的表现。关键指标如下表所示：

• 深入解读：
  • Dictionary-V0 的失败：它本质上是一个“通用平滑光谱压缩器”，其原子是平滑的。试图用平滑原子的线性组合去拟合一个具有尖锐凹陷的信号，就像试图用一系列缓坡去拼出一个深坑，必然会在坑的边缘产生振荡（吉布斯现象），导致吸收峰位置和深度严重失真。
  • Dictionary-V1/V2 的成功：V1 直接引入了气体吸收峰的形状作为原子。在重建时，OMP算法可以主动选择这些“尖峰原子”，从而精准地重建出吸收特征。V2 更进一步，引入了黑体辐射原子，使得字典能更自然地表达“温度-辐射-吸收”的耦合关系，因此重建精度和稳定性最高。
  • 性能与效率的权衡：Dictionary-V2 原子数最多，重建耗时也最长（单线程下约0.11秒/光谱）。这是一个典型的权衡：更高的精度需要更丰富的字典，从而增加计算量。但在实际应用中，通过多线程并行处理图像中所有像素的光谱，这个时间开销是可以接受的。例如，对于一幅320x256的图像，10线程并行重建整个数据立方体仅需约3.3秒。

避坑指南：在仿真中我们发现，滤波器组与字典必须联合优化。随机生成的滤波器组与一个优秀的字典搭配，可能效果很差；反之亦然。我们通过海量随机搜索（10万组），为每个字典找到了其“最佳搭档”滤波器组。这个步骤不可或缺，它确保了硬件编码和软件解码之间的匹配达到最优，是工程落地前必须完成的“调参”过程。

5. 实验验证与系统搭建：从仿真走向现实

仿真的成功需要真实的实验来背书。由于直接将滤波器阵列集成到商用制冷型红外焦平面探测器上工艺复杂、成本高昂，我们采用了一种顺序模拟快照的折中方案：使用滤光轮依次切换9片制备好的宽带薄膜滤波器，对静态目标成像，以此来模拟快照成像时不同滤波器单元同时采集信息的过程。

5.1 实验系统与流程

实验装置主要包括：中波红外黑体辐射源（模拟高温背景）、充满特定浓度气体的气室（模拟目标气体）、滤光轮、中波红外相机以及数据处理计算机。

1. 系统标定：首先，我们需要精确测量整个系统的光谱响应矩阵 $\mathbf{R}$。这通过在不同温度黑体辐射下，测量每个滤波器的实际透过率曲线来完成。我们采用最小二乘法对每个像素进行响应标定，以消除探测器非均匀性等影响。
2. 图像采集：将黑体辐射源加热至目标温度（如393K， 453K， 513K），分别通入氮气（作为参考）和待测气体（如CO2， SO2）。对于每种状态，旋转滤光轮，依次采集9张对应不同滤波器的二维强度图像。
3. 光谱重建：对于图像中的每一个像素，提取其在不同滤波器图像中的强度值，构成压缩测量向量 $\mathbf{I}$。使用标定好的 $\mathbf{R}$ 和预先训练好的 Dictionary-V2，运行OMP算法，重建出该像素点的41通道光谱曲线。
4. 结果分析：将重建光谱与理论光谱（根据HITRAN数据库计算的气体透过率曲线乘以黑体辐射谱）进行对比，计算PSNR， RMSE， SAM等指标。

5.2 实验结果与挑战

实验成功重建了特定浓度二氧化碳和二氧化硫在高温下的吸收光谱，以及背景空气（含0.03% CO2）的吸收峰。

• 成功案例：对于二氧化硫，其吸收未饱和，重建光谱与参考光谱吻合度很高，清晰再现了吸收峰特征。对于空气中低浓度的二氧化碳，重建出的吸收峰半高宽与理论值基本一致，证明了方法在真实环境中不损失光谱分辨率。
• 遇到的挑战与析因：
  1. 饱和吸收问题：对于高浓度二氧化碳在4250 nm处的强吸收（近乎饱和截止），重建光谱在吸收谷底部出现了轻微振荡。这是因为饱和吸收导致了光谱曲线的不连续性，严重违背了稀疏表示所依赖的信号平滑或可稀疏化的先验假设。字典中没有任何原子能很好地表示这种“直角悬崖”式的特征。
  2. 误差随温度升高而增大：实验中发现，温度越高（辐射信号越强），重建误差有增大趋势。这主要归因于：a) 高温下系统杂散光和冷反射增强，引入了非线性误差；b) 采用最小二乘法的系统标定，对高强度信号的校准误差更敏感。
  3. 动态场景限制：当前基于滤光轮的顺序采集方案，只适用于静态场景。对于动态目标，不同滤波器图像间的目标位移会导致严重的空间错位，重建失败。

实操心得与解决方案探讨：

• 应对饱和吸收：根本思路是打破当前稀疏模型的局限。可以尝试：①增加滤波器数量，提供更多测量维度来约束解空间；②引入非线性重建模型或专门针对不连续特征的字典原子；③ 在预处理中检测并标记饱和区域，采用插值或外推等后处理手段进行修复。
• 提升系统稳定性：需改进标定方法，例如采用多项式拟合或神经网络建模来更精确地刻画系统的非线性响应。同时，在光学设计阶段就要严格抑制杂散光。
• 走向真正的快照成像：最终的出路是研制可与探测器单片集成的多光谱滤波器阵列。将9种滤波器以微米级精度制备在探测器像元前，实现所有光谱通道的同时曝光，才能从根本上解决动态监测问题。这是我们下一步硬件研发的重点。

6. 总结与展望：一条通向轻量化气体成像的可行之路

回顾整个工作，我们提出并验证了一套基于字典学习与稀疏重建的中波红外计算光谱成像技术方案。其核心价值在于，通过算法端的精巧设计（分阶段字典）来弥补硬件端的极致简化（少量宽带滤波器），在保证气体检测核心功能（识别与定量）的前提下，为实现系统的小型化、轻量化、低成本化开辟了一条切实可行的技术路径。

该方法的核心优势总结如下：

1. 硬件简化，潜力巨大：采用易于制备的宽带薄膜滤波器替代复杂的分光元件，系统结构简单，光通量高，易于与红外焦平面阵列集成，为研制芯片级光谱成像仪奠定了基础。
2. 算法高效，数据需求低：结合了字典学习的自适应特征提取能力和OMP算法的高效稀疏求解能力。特别是分阶段字典构建策略，用较少的数据和原子数实现了对中波红外气体尖锐吸收特征的高精度表征。
3. 验证充分，指标明确：通过系统的仿真分析了关键参数的影响，并通过真实实验验证了方法对典型气体吸收光谱的重建能力，PSNR大于26 dB，SAM小于0.157 rad，达到了实用化要求的精度门槛。

当前局限与未来方向：当然，这项工作仍处于从实验室原理验证走向实际应用的阶段。如前所述，饱和吸收重建和动态场景成像是两大亟待突破的瓶颈。此外，对于多组分混合气体的复杂光谱，其稀疏性模式会发生变化，需要进一步优化字典学习和重建算法。

我个人在实际研究中的体会是，计算光谱成像的魅力在于它打破了硬件与软件的边界。未来，更智能的算法（如结合物理模型的深度学习）与更先进的微纳光学器件（如超表面滤波器阵列）相结合，将是推动该领域发展的关键。我们下一步计划正是设计并流片基于MEMS工艺的微缩滤波器阵列，将其与探测器封装，打造真正意义上的、可用于无人机或手持设备的中波红外快照高光谱相机。这条路虽然充满挑战，但看到算法在仿真和实验中一点点将那些隐藏在压缩测量中的气体“指纹”还原出来时，那种成就感是驱动我们继续前进的最大动力。