高光谱成像凭借其“图谱合一”的技术优势，在科学研究和工农业生产等领域获得了广泛应用。高光谱数据分析通常需要进行辐射定标，将探测器采集的原始数字数值（DN值）转换为具有物理意义的目标真实反射率。一种常用且有效的定标方法是使用标准漫反射板，但该方法的精度和稳定性在很大程度上依赖于漫反射板表面的清洁程度。在长期使用过程中，漫反射板表面不可避免地会出现污染、磨损等局部反射率变化，严重影响定标结果的准确性。定期手工清洁或更换受污染的漫反射板是维持定标精度的常用手段，但这种方法不仅增加了维护成本，而且在机载或太空等无人值守的实验环境中难以快速实施。
针对这一问题，同济大学物理科学与工程学院王占山教授和程鑫彬教授团队提出一种面向跨谱段高光谱成像系统（400–1700 nm）的污染感知经验线法（CA-ELM）。该方法通过融合光谱特征聚类与空间边缘检测技术，自适应地识别并排除漫反射板上的局部污染区域，仅利用洁净区域的实测反射率进行辐射定标。实验结果表明，在漫反射板存在局部污染的情况下，CA-ELM将平均反射率误差从4.58%降低至3.08%，其定标性能接近于使用完全洁净漫反射板的水平。进一步通过随机森林算法进行高光谱分类验证显示，基于CA-ELM定标图像的分类模型平均准确率达到98.86%，相较于基于传统定标方法的图像提升4.60%。该研究成果以“Research on contamination-aware adaptive calibration method for wide-band hyperspectral imaging system”为题，发表于物理与天体物理领域二区期刊《红外物理与技术》（Infrared Physics & Technology）。
图1 CA-ELM用于辐射定标的流程图
研究基于自主研制的400–1700 nm跨谱段高光谱成像系统开展实验验证。图1展示了所提出的CA-ELM进行辐射定标的整体流程。通过对SRM 2035a标准样品的特征光谱进行测试与对比分析，实验结果表明CA-ELM能够有效识别并剔除标准漫反射板的局部污染区域，从而显著降低定标误差。该方法有望显著提升无人值守环境下的宽谱段高光谱成像系统定标稳定性与工程可靠性。
图2基于不同定标方法的高光谱图像分类结果
为进一步验证CA-ELM在实际应用场景中的有效性，研究团队基于7类典型材料样本开展了高光谱成像的分类实验。如图2所示，模型对传统ELM定标图像的整体分类准确率（OA）为95.35%，而对CA-ELM定标图像的OA可提升至99.05%。在易受白板污染影响的蓝色尼龙类别中，分类精度提升了18.2%。证明了CA-ELM方法可以通过提升辐射定标质量，增强模型在下游识别任务中的准确性。
同济大学助理教授王绪泉为论文通讯作者，同济大学博士研究生马志远和李红梅为论文共同第一作者。对论文做出重要贡献的合作者还包括博士研究生邢裕杰，顿雄长聘副教授，王占山教授和程鑫彬教授等。
论文链接：https://doi.org/10.1016/j.infrared.2025.106192
