1　引言

光谱成像技术最早在20世纪80年代提出^［1］，用于遥感光谱成像，成功对不同土壤形态和植物叶片类型等进行区分。随着光谱、成像和计算机技术的更新迭代，光谱成像技术已成为农业、工业、医疗等领域中^［2］的重要技术方法。近年来，随着机器学习、模式识别等方法的深入应用，及材料科学的快速发展，光谱成像系统性能不断提升，在食品检验、医疗诊断、国土安全、文物鉴定等方面发挥了巨大作用，尤其在法庭科学^［3］领域，为痕迹物证的原位检验、无损提取提供了新的思路和方法。

本文对光谱成像技术的基本原理和工作流程进行介绍，并着重对其在法庭科学各领域的前沿应用进行概述，分析了现阶段光谱成像技术在法庭科学应用中存在的困境和发展趋势，希望吸引更多研究人员利用光谱成像技术在法庭科学领域开展更深入和全面的研究，以服务于公安工作。

2　光谱成像技术简介

光谱成像技术相较于传统成像技术有巨大的性能优势，传统成像只能在特定颜色上收集数据，采用单通道滤波器收集RGB三通道上的数据，因此，对某些复杂背景或场景下的显现效果不佳。光谱成像技术是一种既能获取样品的空间分辨率，又能获取样品的光谱分辨率的技术。空间分辨率反映了图像像素点之间的空间关系，而光谱分辨率反映了图像各像素与波长之间的函数关系。光谱成像结果以“光谱数据集”的形式呈现，包括两个空间维度（S_x和S_y）和一个光谱维度（S_λ），数据集中每一个波长上有一张完整的图像，而每个像素在光谱域上都有一个连续的光谱图像，如图1所示。

图 1. 光谱成像原理示意图。（a）光谱影像集；（b）方框像素点处的光谱曲线图

Fig. 1. Diagram of spectral imaging principle. (a) Hypercube; (b) spectrogram at square pixel point

下载图片 查看所有图片

为了更加符合人眼的视觉特性，传统图像多数采用RGB形式呈现，每个图像像素点在可见光谱范围内都由R、G、B三个波长测量值混合而成。相比之下，光谱成像获取的信息更加丰富。根据光谱分辨率和光谱波段数量，可将光谱成像分为多光谱成像、高光谱成像和超光谱成像，如表1所示。多光谱成像可以获取三个波段以上的光谱信息，不仅包括人眼在自然光下观察到的图像，还能获取红外、紫外等电磁波谱下图像的细节信息，但是多光谱图像有光谱分辨率不高的缺点，因此无法解析场景中存在的更精细的光谱特征。高光谱成像（HSI）中单个像素的光谱可以比普通图像提供更多关于材料表面的信息。高光谱传感器比多光谱传感器具有更高的光谱分辨率，因此能够区分场景中更细微的差异，也能获取更多的波段数，能达到几十甚至几百个光谱波段。相比多光谱图像和RGB图像，高光谱图像的光谱信息更加丰富。高光谱成像技术的光谱分辨率更高、光谱波段范围更广、数据信息也更加丰富，对一些高度着色的如被血迹覆盖的手印和足迹、背景干扰严重的如深色背景和复杂背景上的指纹，传统光学成像难以清晰显现痕迹，高光谱成像能完成这一任务。超光谱成像有着更高的光谱分辨率和光谱通道，但是数据冗余大，适合一些需要高精度测量的场景。本文所介绍的光谱成像主要以高光谱成像为主。

3　光谱成像技术工作原理及流程

3.1　工作原理

高光谱成像系统主要由光源、样品台、光谱成像仪和计算机组成，其结构如图2所示。光源多采用卤素灯；样品台上放置被拍摄物体，可根据拍摄需要变换样品位置；光谱成像仪是整个系统的核心构成，内置液晶可调谐滤波器（LCTF）和CCD照相机；与其他的滤波器相比，LCTF的优点是它能通过计算机得到控制，人为选择合适波长的单色光；CCD相机用于成像，它与LCTF耦合，记录待检物品各个波段上的光谱数据，形成光谱影像集；计算机用于控制CCD成像，配备专业分析软件，用于光谱数据集的采集和处理，并根据需要进行定性或定量分析。

图 2. 高光谱成像系统示意图

Fig. 2. Schematic of the hyperspectral imaging system

下载图片 查看所有图片

3.2　工作流程

高光谱成像工作流程包括数据采集和数据处理两部分。数据采集环节，为提高图像采集质量，避免环境光线干扰，一般在暗室中进行操作。同时，在采集前需要对仪器进行黑白校正，消除电噪声及光谱通道未知偏移，校正公式为

式中：I代表经过校正后的高光谱数据；Iraw代表原始高光谱数据；Iwhite代表利用标准白板采集的白板数据；Iblack代表将相机镜头盖上后获取的黑板数据。

数据处理环节的目的是对获取的光谱和图像数据进行处理，从而挖掘有价值的信息，可分为预处理、数据降维和回归模型构建3部分。在数据处理前，要选择感兴趣区域（ROI），ROI选择能大大降低计算复杂度，提高数据处理和模型运行的效率。除了人工标定ROI外，也有通过软件自动选取的，如袁旭林^［4］提出一种基于随机姿态的高光谱图像ROI区域选择方法。高光谱成像工作流程如图3所示。

图 3. 高光谱成像工作流程

Fig. 3. Workflow of hyperspectral imaging

下载图片 查看所有图片

预处理能有效减少环境噪声、系统噪声等影响，提高系统灵敏度、分辨率和信噪比，常用方法有Savitzky-Golay平滑^［5］、多元散射校正^［6］、标准正态变量^［7］、导数光谱法^［8］、连续小波变换^［9］、规范化处理（标准化^［10］、中心化^［11］、归一化处理^［12］）等。数据降维帮助研究人员从庞大的数据中过滤出有价值的信息，大致分为交替光谱变换技术和多元（高光谱）图像分类技术^［13］。交替光谱变换包括对样品和背景光谱进行比值的不同方法，以及在光谱域中对数据进行数学变换的方法。多元（高光谱）图像分类技术利用多变量统计技术，根据相似性对高光谱图像中的光谱和像素进行分类。常用的数据降维方法有主成分分析、独立成分分析、线性判别分析、因子分析、卷积自编码器、t-分布式随机邻域嵌入^［14］、非负矩阵分解^［15］、连续投影算法、迭代保留信息变量算法、奇异值分解等。在光谱图像数据经过降维处理后，根据目标需求设计合适的回归模型，通过定性、定量回归模型，对待检样品进行分类识别。在光谱数据分析中主要进行光谱匹配，即对待检光谱同参考光谱进行匹配，确定未知光谱类别，进而确定样品类型或样品中某类物质含量，主要采用偏最小二乘回归^［16］、反向传播神经网络、竞争性自适应重加权采样法^［17］、支持向量机等方法。

4　光谱成像技术在法庭科学中的应用

4.1　文件检验

文件检验是法庭科学物证检验中常见的一种工作，例如书写笔迹鉴定、印章真伪检验、朱墨时序检验、污损文件检验、书画真假鉴定等。近年来，国内外学者利用光谱成像技术在文件检验领域开展了大量研究，尤其在机器学习等方法的帮助下，对光谱数据信息进行深度挖掘分析。Khan等^［2，18］构建了一种无损的文件自动伪造检测系统，成功地从公开的UWA书写墨水高光谱图像（WIHSI）数据库中提取不同数量和不同混合比例的视觉相似的墨水，使用模糊C均值聚类（FCM）算法来区分多光谱文档中两种不同混合比例的油墨，并结合基于深度学习技术的卷积神经网络（CNN）用于高光谱文档图像的伪造检测，取得较好效果。Wang等^［15］构建反向传播神经网络（BPNN）和一维卷积神经网络（1D-CNN），对法庭科学中印章油墨高光谱图像数据进行分类识别，证明两种方法的实用性，结果表明在印油物证检验中，1D-CNN比BPNN具有更高的稳定性和效率。Melit Devassy等^［14］将t-分布式随机邻域嵌入（t-SNE）算法引入到法庭科学油墨物证分析，对墨水数据进行降维和可视化，采用轮廓系数（SI）、归一化互信息（NMI）、均一性指数（HI）、完整性指数（CI）评估聚类性能，并与主成分分析（PCA）算法比较，t-SNE算法表现出较好的降维效果和聚类质量。隐性字迹显现和分类是法庭科学领域文件检验研究中的难点工作，犯罪嫌疑人常使用隐性字迹进行票据或文件造假，李云鹏等^［19］利用高光谱成像技术，将擦除、密写和掩盖3类常见的隐性字迹成功显现，并结合支持向量机（SVM）算法对不同笔迹成分进行分类，分类精度达99.28%，如图4所示，所设计的方法对可擦笔擦除字迹、荧光密写笔字迹、柠檬汁字迹3种不可见字迹进行显现和分类，取得较好效果。

图 4. 隐形字迹显现^［19］。（a）晨光可擦笔擦除字迹、昂彩密写笔字迹、柠檬汁字迹；（b）基于高光谱成像的分类结果

Fig. 4. Reappearing of invisible writing^[19]. (a) Chenguang erasable pen erasing handwriting, Angcai steganography pen handwriting, lemon juice handwriting; (b) classification result based on hyperspectral imaging

下载图片 查看所有图片

在文件检验领域，研究人员已经利用光谱成像系统开展了大量研究，未来需要进一步建立更加丰富完备的文件、墨水等相关待检物的光谱数据库，开发更加便携的检验系统，结合人工智能、机器学习等开展自动化识别比对，做到现场文件物证快速提取、临场检测，使光谱成像在法庭科学文件检验领域得到更加深入广泛的应用。

4.2　血迹检验

犯罪现场尤其是命案现场的血迹分析是现场勘查人员的重点工作之一，在对血迹物证进行分析前，首先要辨识现场遗留的污渍是人的血迹还是其他无关的干扰物质，例如红色墨水、酱油、动物血迹等。传统的血迹显现方法经常使用四甲基联苯胺（TMB）、鲁米诺、酚酞等化学试剂将血迹显现出来，这些试剂有较强的灵敏度，对血迹显现具有非常好的效果，但有时会产生假阳性的结果。但是，以上化学试剂会对后续法医DNA物证提取分析造成不可挽回的破坏，因此，犯罪现场的血迹快速无损鉴别具有十分重要的意义。光谱成像技术已成功应用于血迹的无损快速识别，可见区域血斑的反射光谱主要由血液中血红蛋白的光谱决定，415 nm是血红蛋白（氧血红蛋白、去氧血红蛋白和高铁血红蛋白）的最大吸收峰（称soret峰或γ带），在500 nm和600 nm之间的两个较弱和较宽的吸收带称为β和α带。可见光谱范围内的蓝光被大量吸收后，在soret波段内血迹呈现红色。Zhao等^［20］提出一种新模型，即blood band inequality model（BBIM），用于血迹分类识别，利用反射率之差建立不等式模型，成功从8种类似血迹痕迹中识别出血迹，如图5所示。在白色T恤上遗留的8种污渍经过高光谱成像后，获取各类污渍的光谱数据，利用BBIM有效将血迹从其他污渍中识别出来。Li等^［21］利用可见光反射高光谱成像系统成功区分血迹和9种类似血迹污渍，并将49种类似血迹物质光谱数据列入非血渍库。Zulfiqar等^［22］针对3种基质上的血迹，使用支持向量机（SVM）、K最近邻（KNN）、人工神经网络（ANN）、决策树（DT）和随机森林（RF）等机器学习模型进行分类，对3天内的血迹样本的识别率达100%。

图 5. 基于BBIM的血迹分类识别^［20］。（a）白色T恤上血迹及其他污渍；（b）污渍对应的光谱数据；（c）BBIM的血迹提取结果

Fig. 5. Detection and extraction of bloodstains by BBIM^[20]. (a) Blood and other stains on white T-shirt; (b) corresponding spectra of stains; (c) blood extraction result using BBIM

下载图片 查看所有图片

法庭科学血迹检验对现场重建具有十分重要的意义，研究也已经证明光谱成像技术能成功显现、识别现场血迹。未来，为解决深色（如黑色）基底上的血迹显现，需要开发更强的光源和更灵敏的系统，解决其他干扰物（如植物或动物蛋白）等造成的假阳性问题。同时，光谱成像技术和传统化学增强显现方法的结合使用、更加科学和合理的操作流程的制定，能进一步增强显现效果，完善法庭科学血迹检验方法。

4.3　指纹检验

指纹是犯罪现场最常见的痕迹之一，通过指纹自动识别能直接锁定嫌疑人身份，通过手指分泌物成分分析能判断嫌疑人是否有吸毒、酗酒等行为，但某些情况下，指纹是“隐藏”起来的，不能被直接观察到，对这些潜在指纹进行显现、识别是侦查人员开展指纹鉴定前需要完成的工作，高光谱成像技术在指纹识别检验中发挥了重要作用。Cadd等^［23］利用HSI显现白色瓷砖上的潜指纹，并利用伪彩色图像表示指纹形成时间长短，对遗留时间为0~30天的血指纹进行成像，为现场血指纹遗留时间的判断提供了新的思路。庄园等^［24］以人血、鸡血和蛇血为研究对象，利用高光谱成像技术成功对不同血迹类型血指纹样本进行了可视化和无损提取，并完成3种血迹样本的种属认定。重叠指纹分离一直是法庭科学指纹检验中的难点问题，Akiba等^［25］利用指纹荧光光谱的差异对两层重叠指纹进行分离，并通过主成分分析（PCA）和多元曲线分辨-交替最小二乘（MCR-ALS）方法确定获得高对比度单个指纹图像的最佳方法。如图6所示，原始图像中指纹#1和指纹#2相互重叠影响，无法分辨，通过PCA和MCR-ALS能分别将2枚指纹分离开，虽然分离效果并不是特别理想，但对于重叠指纹分离这一难题提供了一种新的思路和方法。陈壮^［26］利用可见光谱成像技术成功消除复印纸、牛皮纸等5种材质上的书写字迹干扰，获取字迹上使用印油印泥按捺的指纹纹线，光波波长步进越小，指纹纹线提取质量越高。

图 6. 基于PCA和MCR-ALS的重叠指纹分离^［25］。（a）2枚重叠指纹原始图像；（b）PCA分离指纹#1；（c）MCR-ALS分离指纹#2

Fig. 6. Separation of overlapping fingerprints based on PCA and MCR-ALS^[25]. (a) Original image of two overlapping fingerprints; (b) fingerprint #1 separated by PCA; (c) fingerprint #2 separated by MCR-ALS

下载图片 查看所有图片

即使在DNA和视频侦查技术发展迅速的今天，指纹仍然在犯罪案件侦查中发挥着巨大的作用，并在个体识别、现场勘查、社会管理等方面的应用越来越广泛。基于光谱成像的指纹识别仍是未来研究的重要方向，由于指纹脊线较小，需要进一步提升系统分辨率，同时兼顾扫描速率，使光谱成像技术能在较大场景下完成对指纹的快速定位、识别工作。利用光谱成像技术开展指纹遗留物质成分分析仍鲜有报道，也是未来光谱成像指纹检验研究热点之一。

4.4　其他物证检验

除了在上述法庭科学领域有丰富的应用，还有一些学者利用光谱成像技术开展微量物证、枪弹痕迹检验等方向的研究，取得了丰硕成果。Zapata等^［27］利用多光谱成像技术对射击残留物进行显现，通过光谱图像对射击残留物进行定量分析，构建出射击残留物粒子像素数与射击距离之间的函数关系。Uysal等^［28］利用光谱成像技术设计了一种无损检验方法，用于显现枪支聚酰胺6（PA 6）材质上被抹除的身份标识，利用紫外和红外光谱成像对经过表层加热、深层刮削、表层锤击后的数字符号进行识别显现，达到较好的效果，为法庭科学枪支痕迹鉴定提供了新的思路。Melit Devassy等^［29］为了检测犯罪现场常见饮料种类并判断其遗留时间，利用高光谱成像技术和支持向量机分类模型，结合基于体积梯度的波段选择（VGBS）算法，检测采集到的HSI数据中的显著波段，评估了饮料在3天内发生的光谱变化，证明了HSI技术对饮料污渍的快速、非接触和非侵入性分析的有效性。El-sharkawy等^［30］利用光谱成像对TNT、RDX、HMX等常见爆炸物进行了远程识别，使用高光谱相机采集每种爆炸物的反射光和发射光的立方图像，利用反射能量随波长变化的函数关系，生成每种炸药的特征谱，实现对各种爆炸物的远程识别。Huang等^［31］建立了基于反向传播神经网络（BPNN）和1D-CNN的高光谱数据分析模型，并与KNN、SVM、RF和偏最小二乘判别分析（PLS-DA）4种传统机器学习分类模型进行比较，证明1D-CNN与HSI技术结合在纺织纤维物证分类识别中具有优势。

对光谱成像在法庭科学中的应用进行总结，结果如表2所示。可见，由于高分辨率和成像速度，高光谱成像技术在法庭科学中的应用广泛，且随着机器学习算法的优化，深度学习已在法庭科学光谱成像数据分析中发挥重要作用，极大提高了研究人员对海量高光谱数据分析的效率。

5　总结与展望

光谱成像技术是一种结合光谱和成像技术特点的光学检验方法，能获取被检物体的光谱信息和图像信息，基于这一特性，光谱成像在法庭科学领域展现出巨大的应用价值，并在现场重建、痕迹显现、物证鉴定等方面有了广泛的应用。但该技术发展时仍然存在一些困境：由于光谱信息和图像信息数据量大，冗余数据对信息获取造成困扰；各类物品的光谱数据库建立不完善，无法对待检样品进行入库比对；目前，很多检验在实验室环境下才能取得较好效果，有利于公安实战应用的便携式、高灵敏度的光谱成像系统开发不足等。结合公安工作实际和研究热点，本课题组认为未来光谱成像技术在法庭科学领域有以下发展趋势。

1）开发更加便携高效的实战化应用设备。光谱成像系统在无自然光影响的暗室或暗箱环境中获得较好效果，但进行法庭科学现场勘查时，现场环境复杂，难以达到实验室条件。有时在临场快检的需求下，现场取样再返回实验室进行检验难以满足时效。为满足现场物证快显、快采、快检的原则，更小型化、便捷化、快速化和高灵敏度的光谱成像系统需要被开发，同时，需要提高系统的分辨率和光谱波段范围^［32］以满足现场对微小痕迹的显现提取要求。同时，将光谱成像技术与显微成像技术结合^［33］，未来有望在法庭科学微量物证分析和法医学检验领域中开拓相关应用。

2）利用人工智能辅助光谱成像在法庭科学中的应用。在法庭科学实战应用中，光谱成像需要不断提升图像分辨率和光谱分辨率，发现潜在、微量痕迹物证，但分辨率的提升必定带来冗余数据，例如超光谱成像技术虽然能获取大量的数据信息，但受制于数据处理过程繁杂，难以满足高效率，在法庭科学领域应用仍不广泛。人工智能辅助光谱成像是未来发展的一个重要方向，面对海量的数据，以机器学习尤其是深度学习模型为代表的人工智能算法在大数据处理和分析中具有巨大的优势，成为了光谱数据降维、分类、识别新的助力点。因此，不断优化算法模型，深入挖掘人工智能潜力，有助于光谱成像在法庭科学领域开展更加广泛而深入的应用。

3）建立光谱数据库。现场物证溯源是现场勘查的主要任务，通过光谱数据分析对现场痕迹物证进行种属认定具有可行性，因此建立各类物质的光谱数据库具有十分重要的意义。但由于现场环境复杂，受温度、湿度等各类因素影响，准确可靠的光谱数据库建立仍然是一项较为困难的工作，仍是未来工作的重点。

4）现场三维光谱重建。物证的光谱成像多集中在二维空间，不能反映出物证与现场之间的空间关系。根据现场重建需求，黄威等^［34］利用HF-Net架构的基于卷积神经网络的深度学习的图像目标位姿估计方法，成功将光谱信息映射到三维空间模型，实现对立体物证的三维空间信息和光谱特征的精细定位。三维光谱成像技术为法庭科学现场重建提供了新的研究方向，值得深入研究和发展。

本文对光谱成像技术的工作原理及流程进行了介绍，重点对光谱成像技术在法庭科学领域中的前沿应用进行概述，并分析了光谱成像技术在法庭科学领域发展的趋势。相信随着光谱、图像和计算机技术不断发展，光谱成像技术一定会突破各种技术瓶颈，在法庭科学领域有更加广泛而深入的应用。