基于多光谱视觉传感技术的油菜氮含量诊断方法研究

实时、便捷、可靠的作物营养诊断方法是进行科学的作物施肥管理的基础,也是精确农业的关键技术之一.文章提出利用光谱技术分析不同养分水平的油菜在生长过程中的光谱反射特征,用包含绿、红和近红外三波段通道的电荷耦合器件(CCD)成像技术对植物叶面氮素营养进行非破坏性检测方法,目的是建立能准确反映植物营养状况的检测模型,实时过滤掉土壤噪声和气候条件等环境干扰,实现对植物营养成分进行快速、准确、非破坏性检测.通过试验建立了叶绿素仪数值和全氮含量在油菜中的数学关系模型,结果显示,利用绿、红和近红外三通道图像灰度和反射率关系的经验线性标定模型分析得到的油菜植被指数与叶绿素仪数值间的线性相关系数r可以达到0.927.     

大豆病害分类的高光谱分析

作物病害类型的快速无损检测对提高作物品质和产量至关重要。传统的病害分类方法费时费力且不能实时检测。为此,利用高光谱进行大豆病害分类。以健康大豆为对照,灰斑病和细菌性斑点病两种病害为研究对象,获取三种类别叶片高光谱数据。基于高光谱曲线分析病害与健康叶片反射率的变化规律。采用主成分分析(PCA)和光谱指数(SI)两种单一方法进行病害有效信息提取,共使用30个SI。在此基础上,提出一种PCA与SI相结合的组合方法(PCA-SI),通过提取有效主成分(PC)及有效SI,将有效SI按得分情况分为两组(9SIs和18SIs),再分别对应每一个有效PC进行分组,形成病害光谱有效信息的变量集。采用三种方法分别进行病害有效信息的提取,基于提取后的光谱变量,采用最小二乘支持向量机(LSSVM)和支持向量机(SVM)两种分类器建立病害分类模型。以原始高光谱为基准,以病害分类正确率为指标,评价模型的病害分类性能及不同病害有效信息提取方法和分类器的有效性。结果表明：高光谱反射率具有可见光450～700 nm波段范围病害叶片高于健康叶片而近红外760～1 000 nm波段范围其特征完全相反的规律。采用单一PCA方...     

TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断

番茄叶片在感染病害后首先发生的是内在生理反应，肉眼无法观察到。叶片从被感染到出现肉眼可见病斑期间，称为叶片病害潜育期。为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断，对接种样本进行叶片编码、跟踪、采集所有编码叶片样本1~8 d连续高光谱图像数据，建立番茄叶片样本时序高光谱数据集。采用跟踪的叶片样本出现肉眼可见病斑前几天同一位置区域的高光谱数据作为潜育期感兴趣区域进行检测分析。为了建立番茄叶片灰霉病潜育期诊断和不同病斑等级分类模型，采用基于教学优化算法（TLBO）优化极限学习机（ELM）的分类模型进行建模。通过TLBO算法优化ELM的输入权值和隐藏层的偏差，提高模型分类性能。利用高光谱成像系统在近红外高光谱波段388~1 006 nm波段获取五个等级的感兴趣区域进行数据建模，共采样213个高光谱数据，其中，健康类（56个）、潜育期类（42个）、小病斑类（43个）、大病斑类（39个）和严重类（33个）。通过对比不同的光谱预处理方法，采用效果最好的小波滤波变换（DWT）对样本数据中每类数据分别滤波。DWT滤波后，在610~840 nm波段间五个等级光谱曲线能区分明显，共包含91个波长，波长数量较多。因此，采用竞争性自适应重加权抽样法（CARS）对采用DWT预处理后的光谱数据在610~840 nm波段重复3次优选特征波长，合并去除重复项后得到9个特征波段：694，696，765，767，769，772，778，838和840 nm。最后分别选取全波段FC、610~840 nm波段、CARS提取的9个特征波段建立3个分类模型FC-TLBO-ELM，DWT-TLBO-ELM，DWT-CARS-TLBO-ELM进行对比，其中DWT-CARS-TLBO-ELM检测精确度最高达100%，潜育期召回率100%，利用时间最短为0.068 9 s，表明该模型可以实现番茄灰霉病潜育期高精度诊断和灰霉病病害程度高精度分类，为番茄灰霉病早期防治、精准施药提供理论依据。     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产，现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术，如：聚合酶链式反应技术、人工感官判定技术、统计学方法等，这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断，而光谱技术在植物病害的快速检测方面有一定的潜力，目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论，讨论了该技术所涉及的仪器，并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象，而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少，特别是单细胞级别的病害研究，只在动物细胞领域展开，而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用，目前的研究已涉及了大部分的常见作物及其主要病害，包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断；(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型；(3）建立与作物病害有关的叶片某些理化参数的光谱模型，从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化，往往只研究了某一种或少数几种病害，所建的模型只能用于特定实验条件，无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度，植株的三维形态对光谱模型有较大的干扰，有文献表明以植株近地冠层2D图像作为病害检测数据，偏差较大，所建模型不稳定，基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力，但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作，并急需相关的仪器设备、方法模型方面的突破。     

基于高光谱成像技术的番茄叶片灰霉病早期检测研究

提出了独立软模式法(SIMCA)的番茄叶片灰霉病特征波段图像的提取,并通过多元线性回归法(MLR)提取波段融合图像,通过最小距离法获取番茄灰霉病患病信息的技术路线。利用680～740nm波段的方差图像和建模能力参数提取的特征波段,并作为输入变量进行MLR分析,在0.5准确率阈值下,准确率均大于99%,说明特征波段可以实现番茄叶片灰霉病的检测,并利用MLR回归系数提取波段融合图像,通过最小距离法获取番茄灰霉病患病信息,结果表明所提出的方法具有很好的预测能力,为番茄灰霉病的早期检测提供了一种新方法,且大大降低了高光谱图像的数据处理时间。     

多光谱图像的玉米叶片含水量检测

水是植物正常生长发育必不可缺的元素之一,能够快速检测并获取植物叶片水分,对田间作物灌溉生产管理和作物的生理需水特性研究等具有重要的意义。利用RedEdge-M型号多光谱相机,以不同生育期的55组玉米叶片作为试验对象,在光线充足且无阴影遮挡的环境下对试验玉米叶片样本进行拍摄,拍摄过程中通过直连下行光传感器来消除太阳高度角对光谱反射的影响,每组玉米叶片样本经过拍摄可得到蓝、绿、红、近红外和红边等5个波段的TIFF图像。借助图像处理软件ENVI5.3构建玉米叶片样本兴趣区域(ROI),以ROI范围内玉米叶片样本的平均反射光谱作为该样本的反射光谱来减小镜头边缘减光现象带来的误差。参照标准白板出厂时提供的专属标定反射率、白板ROI范围内的平均反射光谱和玉米叶片样本白板ROI范围内的平均反射光谱,比值换算得到各组玉米叶片5个波段处的光谱反射率。同时利用YLS-D型号植物营养测定仪,采用五点取样法选择玉米叶片的5个区域测取玉米叶片样本的水厚度平均值作为叶片含水量的测量指标。随机选取43组玉米叶片样本得出的光谱反射率作为训练样本,采用BP神经网络建立基于多光谱图像的玉米叶片含水量反演模型,并融合莱文贝格-马夸特理论(Levenberg-Marquardt,L-M)进行经典神经网络现有缺点的改进。输入神经元数目为5个,即蓝、绿、红、近红外和红边等5个波段图像对应的反射率,输出神经元为1个,即玉米叶片含水量。剩余12组玉米叶片作为验证样本用于模型反演数据的相关性分析,结果表明,利用多光谱图像光谱信息并结合基于Levenberg-Marquardt方法改进后BP神经网络玉米叶片含水量反演模型,模型反演的拟合相关系数能达到0.896 37, 12组验证集中玉米叶片含水量参考值和反演值的相关系数r达到0.894 8,反演结果比较理想。可以实现对玉米叶片含水量的快速准确检测,对精准农业的推广和应用提供了方法和参考依据。     

基于多光谱成像技术的水稻叶瘟检测分级方法研究

实时、可靠的植物病害检测是进行科学的植物喷药作业的基础,也是精确农作的关键技术之一.目前水稻稻瘟病害检测鉴定方法存在着专业知识要求高、花费大、效率低等缺点.文章提出了利用包含绿、红、近红外三波段通道的多光谱成像技术对水稻叶瘟病进行检测.研究日的是建立能够快速、准确分析稻叶瘟病情的检测模型,实时过滤掉背景噪声、自然枯叶等干扰因素,实现对水稻生长状况进行及时、有效、非破坏性榆测.研究表明,利用多光谱成像技术提取水稻叶面及冠层图像信息,可以快速有效地检测稻叶瘟病情.通过实验建立的稻叶瘟病情检测分级模型,对于营养生长期的水稻苗瘟的识别准确率为98%,叶瘟的识别准确率为90%,为实施科学的稻叶瘟防治提供了决策支持.     

植物叶片可见与近红外光谱反射率数据库的建立与主成分分析

可见与近红外波段光谱反射率数据库是颜色科学与技术和遥感目标地物分类识别领域等研究与应用的基础数据。主成分分析(PCA)在光谱数据分析、光谱重建、高光谱数据降维以及遥感图像分类等方面有广泛应用。测量并建立了云南公园常见绿化植物柳树、樟、红花檵木、蓝花楹等48种植物150条叶片从可见光到近红外波段光谱反射率数据库,波长范围400～1 000 nm、间隔4 nm。并且分别对可见与可见到近红外两种波段范围进行PCA研究。结果表明：不同植物叶片按照红、绿、黄相同色相的光谱反射率曲线基本相似;但对于同一种植物,在可见光波段400～700 nm,因为体内叶绿素、叶黄素、叶红素和花青苷含量的不同,光谱反射率曲线有较大的差异;在近红外波段700～1 000 nm,所有植物叶片光谱反射率仅仅是大小不同,而同一植物光谱反射率基本不随波长变化。PCA分析表明：在可见光和可见与近红外波段前三个主成分的累积贡献率分别达到98.62%和94.97%。数据库及其PCA分析结果将为自然物体光谱重建、多光谱成像技术和遥感目标地物分类识别等领域应用提供支撑。     

园艺作物病害的多光谱组合分类

选取设施园艺作物黄瓜的主要病害为研究对象,利用窄带滤光片型多光谱成像系统,获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。采用多光谱图像分类技术中的距离分类器、相关系数分类器和BP人工神经网络分类器,将不同病害类型对应的16个波段的反射率看作线性波谱,对210个多光谱数据样本进行识别分类,目的是探讨一个能有效识别黄瓜植株常见病害的多光谱组合分类器。实验结果表明,将人工神经网络和距离分类器有效组合,不仅分类性能明显优于单个分类器的性能,而且能够充分发挥各个分类器的特性,对园艺作物病害进行快速、准确、实时的无损检测。     

单子叶植物叶片双向反射分布的测量与分析

作物的生物含量与作物的光学特性有直接的关系，而植物叶片的双向反射分布函数(BRDF)又直接影响植物的光学特性。植物叶片的BRDF体现了叶片在各个方向不同的能量反射能力，直接影响植物叶片的光谱检测结果，也是植被冠层宏观光学特征的影响因素之一。对植物叶片的BRDF光学特性及表现出的规律性展开研究和讨论，能够有效提高植物无损检测光谱模型的稳定性和可靠性，提升利用作物光谱模型反演理化特性的准确性和可靠性。首先介绍了植物叶片的BRDF快速获取方法及自主研发的方向性光谱检测仪器，该仪器能够在入射光的方位角和天顶角、接收探头的方位角和天顶角这四个维度进行调整，实现多入射角和反射角的反射光谱数据采集。单子叶植物的叶脉呈纵向分布，因而体现出较为显著的各向异性，玉米和小麦是两种较为典型的单子叶农作物。通过自主研发仪器获取不同波段范围下的玉米和小麦的反射光谱信息，并分析总结其反射分布规律。采用文中所介绍的BRDF计算方法对光谱数据以及白板校正数据进行计算，再结合MATLAB程序对光谱反射数据的图像映射，对反射结果与叶绿素含量和叶片含水量这两个叶片典型理化参数的相关性进行分析，最后探讨了采用ANIX系数对叶片的各向异性进行量化分析的方法。选取小麦在可见光波段以及玉米在近红外波段的数据，结果表明，小麦和玉米在各波段下的fr分布均关于入射天顶角两侧微小空间对称，在相同波段下，不同入射天顶角下的fr值大小基本一致；在相同入射天顶角下，小麦在800 nm波段下的fr值最大，680 nm波段下的fr值最小，这是由于680 nm波长附近是叶绿素强吸收的特征波段，而800 nm附近是叶绿素反射的特征波段，且在相同波段下，叶绿素浓度的升高会导致fr值的增大；在水的强吸收特征波段1 450 nm下，玉米的fr值随着含水量的升高而增长。分析表明，作物的BRDF特性能够有效反映叶片主要生物含量的变化，同时计算所得到的各向异性指数也体现出一致的变化规律，为建立稳定且可靠的作物光谱定量分析模型提供了理论和实践基础。     

基于先验组分的多谱CT序列DCM融合算法研究

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息，需要研究多谱CT序列的融合方法；但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化，不能表达组分的物理特性，从而导致融合图像的灰度不具有物理表征性，影响CT的定量检测。为此，结合具有物理表征特征的数据约束模型(DCM)，开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据，采用TV-OSEM算法重建不同能谱段的CT序列；其次，利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合，传统DCM模型是严格单能的，由于滤波后能谱的非严格单能特性，其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义，并且在多谱CT序列融合中引入先验组分作为参照，通过先验物质对融合结果中其他物质进行校准，实现检测对象中各组分位置的准确分布。仿真实验表明，该方法可从物理表征正确性的角度，实现多谱CT序列融合，在满足CT序列中不同组分区分的同时，其融合图像的灰度具有物理可参照性，有利于后续的CT定量检测。     

A new multi-spectral feature level image fusion method for human interpretation

Various different methods to perform multi-spectral image fusion have been suggested, mostly on the pixel level. However, the jury is still out on the benefits of a fused image compared to its source images. We present here a new multi-spectral image fusion method, multi-spectral segmentation fusion (MSSF), which uses a feature level processing paradigm. To test our method, we compared human observer performance in a three-task experiment using MSSF against two established methods: averaging and principle components analysis (PCA), and against its two source bands, visible and infrared. The three tasks that we studied were: (1) simple target detection, (2) spatial orientation, and (3) camouflaged target detection. MSSF proved superior to the other fusion methods in all three tests; MSSF also outperformed the source images in the spatial orientation and camouflaged target detection tasks. Based on these findings, current speculation about the circumstances in which multi-spectral image fusion in general and specific fusion methods in particular would be superior to using the original image sources can be further addressed.     

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380~1 023nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554,694,696,738和880nm)和4个(527,555,571和633nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。     

基于光谱响应函数的遥感图像融合对比研究

遥感图像融合是一个十分重要的问题,目前已出现了很多融合方法.一些现有方法可以从高空间分辨率全色数据中提取细节特征,并注入到低空间分辨牢多光谱数据中,同时尽可能保持多光谱数据的光谱特性.现有方法一般都不能利用遥感成像系统的物理信息,因此可能导致融合结果发生严重的光谱扭曲.该文采用适当的遥感图像融合模型对图像融合问题进行分解,将融合问题归结为空间细节调制参数构建与空间细节信息提取两个子问题,在对传感器光谱响应函数(SRF)的分析基础上,构建合理的空间细节调制参数.依据对现有方法的分类,文章将三种基于SRF的空间细节调制参数构建方法,与高斯高通滤波提取的空间细节信息结合,产生三种基于SRF的遥感图像融合方法.这些方法在Ikonos数据上进行了试验和分析,并与GS和HPM方法进行对比.     

Acquiring multi-spectral images by digital still cameras based on XYZLMS interim connection space

A method based on the XYZLMS interim connection space is proposed to accurately acquire the multi-spectral images by digital still cameras. The XYZLMS values are firstly predicted from RGB values by polynomial model with local training samples and then spectral reflectance is constructed from XYZLMS values by pseudo-inverse method. An experiment is implemented for multi-spectral image acquisition based on a commercial digital still camera. The results indicate that multi-spectral images can be accurately acquired except the very dark colors.     

扫描多光谱显微成像

文本描述了一种新的显微成像方法,它把光学扫描显微成像技术与成像多光谱技术巧妙地结合在一起,形成扫描多光谱显微成像技术.文中叙述了系统的结构及工作原理,介绍了所采用的图像处理系统,给出了实验结果,并进行了分析讨论.     

基于最大和最小光强图像的偏振去雾方法

相对于传统光学探测技术，偏振探测在目标探测、识别方面有着独特的优势。针对雾、霾等天气下图像退化的问题，提出一种利用偏振信息的图像去雾方法，通过获取3个角度下目标的偏振图像，求解出场景目标的斯托克斯矢量，从斯托克斯矢量与穆勒矩阵的关系出发，分析偏振图像光强随着偏振角度的变化规律，获取最大和最小光强下的正交偏振图像，利用偏振滤波和亮通道先验方法分别估算大气光偏振度和其无穷远处大气光强值，最终重构出无雾图像。实验结果表明，在雾霾天气下，利用获取的正交偏振图像能够重构出清晰的图像，且重构图像的平均梯度和边缘强度均提升了约3倍，灰度标准差提升了约88%。     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时，系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响；为此，开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像；波段1-5分别为3.7～4.8，3.7～4.1，4.4～4.8，3.7～3.9和4.65～4.75 μm；对多波段图像进行手动标注构建样本数据集，其中，正样本舰船目标298个，负样本非舰船目标353个。对于多波段红外图像，首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域；针对候选区域中存在大量明显的非舰船目标区域的问题，利用积分图像计算候选区域的局部对比度，依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息，对于候选区域对应的5波段红外图像，分别提取每个波段图像的稠密SIFT特征，并将128维SIFT特征向量降为64维，融入SIFT特征的空间和波段位置分布信息得到新的特征向量，基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示，最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验，所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足，从初始目标候选区域中快速定位出舰船目标候选区域，对25组多波段图像进行实验，舰船目标候选区域生成的整体耗时为0.353 s，定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试，所提出的目标识别算法融合了目标的多波段图像特征信息，通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息，算法的识别率达到了0.97，显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验，所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作，舰船目标定位准确，舰船目标召回率达到了0.95，每组多波段图像的平均检测耗时为1.33 s。研究结果表明，充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征，可以增强舰船目标的可分性，提高舰船目标的识别率以及检测率，为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

基于LCVR调谐的全偏振多谱段成像系统

提出一种新型全偏振多谱段成像系统,将液晶相位可变延迟器LCVR应用于全偏振成像技术,在可见-近红外波段上可快速实现光的全偏振态的精确调制.系统由光学镜头、LCVR、偏振片、滤波片和CCD探测器组成.文章首先介绍了系统结构、工作原理和光学设计,并提出了适合本系统的偏振定标方法,建立了偏振定标系统,实现了利用较小面积的偏振...     

实用型模块化成像光谱仪多光谱图像的信噪比估算及压缩方法研究

采用局部标准差法和去相关法对实用型模块化成像光谱仪多光谱图像的信噪比进行估算。这两种方法已将地物变化的影响降低到很低的程度。这样在大气订正后，图像的信噪比性能充分反映出遥感仪器的信噪比性能。针对图像压缩，提出控制各波段恢复图像的峰值信噪比刚好大于原始图像的信噪比，使由压缩算法本身所带来的噪声限制在原始图像的噪声范围之内。结合这种压缩思想，用基于离散余弦变换和基于离散小波变换的压缩算法，对实用型模块化成像光谱仪多光谱图像进行压缩。实验表明，利用这种方法，对于高信噪比的波段，图像信息得到了保真；对低信噪比的波段，压缩倍数提高迅速且恢复图像视觉无失真，对整幅成像光谱图像，压缩性能提升显著——当压缩比等于37．95倍时，峰值信噪比等于45．86dB。