高光谱成像技术的油菜叶片氮含量及分布快速检测

应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息(380～1 030 nm),提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影算法(SPA)选择特征波长,将提取的12个特征波长(467,557,665,686,706,752,874,879,886,900,978和995 nm)作为自变量,叶片氮含量作为因变量,分别建立偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)模型。SPA-PLS和SPA-LS-SVM模型对叶片氮含量的预测相关系数R_P分别为0.807和0.836,预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值,利用结构简单、更易提取回归系数的SPA-PLS模型,快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值,结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明,应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。     

油菜叶片和冠层水平氮素含量的高光谱反射率估算模型

通过设计实验首先确定是否可以用油菜叶片反射率光谱预测其氮素含量,以及是否可以用预测的光谱特征值与氮素含量建立相关模型。实验结果表明,反射率光谱的转化形式R的一阶微分为预测油菜氮素含量的最佳形式,最佳波段选择与其他研究结果相似。短波红外光谱波段能较好预测氮素含量,但是选择的高相关性短波红外区域一般都较窄,因此可用高光谱和高辐射分辨率来准确描述油菜光谱特征。短波红外反射率的变化主要是由于植被化学信号的改变而引起的。直接太阳辐射率、观测设备、叶片振动以及大气湿度的细微变化都可能引起光谱一阶微分的变化。冠层反射率一阶微分R′建立的逐步回归模型拟合度较高。     

基于多光谱成像的光谱反射率重建

一些对颜色重现要求较高的应用领域需要获取目标表面上各点的光谱反射率。大多数天然物质表面的光谱反射率曲线比较平滑,可视为几个基向量的线性组合。基于这一原理的多光谱成像技术可以准确快速地重建目标表面的光谱反射率。通过对NCS色卡进行主成分分析,得出了彩色印刷品光谱反射率的基向量。建立了一个多光谱成像系统,用以比较基向量个数不同对反射率重建效果的影响。     

光谱重构油菜叶绿素含量快速检测方法及设备研制

为了实现油菜叶片中叶绿素含量的快速无损检测,开发了手持式多光谱成像系统用于采集油菜叶片在460,520,660,740,840和940 nm 六个波段的光谱图像。将一台能够采集可见光/近红外（380～1 023 nm）512个波段光谱图像但是价格高昂且体积大的室内高光谱成像系统作为参考仪器,将手持式多光谱成像系统作为目标仪器后,采用伪逆法（pseudo-inverse method）求得高光谱成像系统和多光谱成像系统两台仪器之间的转换矩阵F,从而实现6个波段的多光谱图像向512个波段的高光谱图像的重构,提高了手持式设备的光谱分辨率。运用偏最小二乘回归算法（PLSR）建立了重构的光谱与油菜叶片的叶绿素含量之间的关系模型。结果表明,重构的可见光范围内的光谱反射率与叶绿素浓度之间具有很强的相关性,PLSR回归模型建模集的决定系数R2_c为0.82,建模集均方根误差RMESC为1.98,预测集的决定系数R2_p为0.78,预测集均方根误差RMESP为1.50,RPD为2.14。虽然应用本文开发的手持式成像系统结合PLSR模型实现油菜叶绿素含量快速无损预测的精度低于基于室内高光谱成像系统获得的高光谱图像建立的PLSR模型（R2_c,RMESC,R2_p,RMESP和RPD分别为0.90,1.41,0.82,1.36和2.37）,但是明显优于基于原始多光谱成像系统4个波段（460,520,660和740 nm）反射率建立的PLSR模型得到的结果（R2_c,RMESC,R2_p,RMESP和RPD分别为0.78,2.06,0.72,1.85和1.88）。表明光谱重构技术可提高多光谱成像预测油菜叶绿素含量的精度,并且与室内高光谱成像系统相比,开发的手持式设备具有体积小、成本低廉和操作简便等优点,可为田间油菜叶片的生理状态和养分检测及可视化表达提供技术支持。     

用于植物病虫害诊断的多光谱成像系统

准确重建被测目标的颜色信息对实现可靠的植物病虫害诊断具有十分重要的意义。文章提出把多光谱成像技术应用于植物病虫害诊断,所采集的多光谱图像可以从光谱维和图像维反映被测目标的特征信息。在此基础上,实验采用16个窄带滤色片、单色面阵CCD、积分球混合光源照明和标准观测环境建立了能进行适时、无损检测的多光谱成像系统。并利用该设备对Macbeth色卡中8个色卡进行光谱和颜色重建,重建的结果与光谱辐射度计的测量结果进行了比较。通过对光谱匹配角度和CIE标准色差分析,证明这种多光谱成像系统能够准确、稳定地重建出目标的光谱信息和颜色信息。     

基于高光谱成像技术的油菜叶片SPAD值检测

以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380～1030 nm范围内的高光谱图像。选择500～900 nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法(monte carlo partial least squares, MC-PLS)剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法(partial least squares, PLS)模型,连续投影算法(successive projections algorithm, SPA)选择特征波长的PLS预测模型,“红边”位置(λ_red)的简单经验估测模型,三种植被指数R₇₁₀/R₇₆₀,(R₇₅₀-R₇₀₅)/(R₇₅₀-R₇₀₅)和R₈₆₀/(R₅₅₀*R₇₀₈)分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数r_p为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。     

基于多光谱成像技术的面部痤疮识别研究

痤疮是属于丙酸杆菌皮肤病脉的一种慢性炎症,它危害着人体健康。虽然市面上存在痤疮识别手段,但其仪器较大且费用昂贵,目前尚无民用级别的痤疮识别系统投入使用。本文提出一种基于多光谱成像技术的面部痤疮识别方案,即利用多光谱相机设备,分别对面部正常与不同严重程度痤疮皮肤进行多光谱图像信息采集,通过图像处理方法对采集的信息进行多光谱图像分析,并通过光谱反演算法获取光谱信息。然后将反演出的正常和不同严重程度痤疮皮肤的反射率谱线,与高精度光谱仪在同等实验条件下探测的谱线趋势进行对比。最后建立支持向量机(support vector machine, SVM)面部痤疮三度四级分类模型,准确率为90%,验证了基于多光谱成像技术对面部痤疮无创识别与分类的可行性。     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

基于高光谱的颜色辨别方法研究

在颜色测量领域区分相似颜色的样品是非常困难的。测量颜色的准确性和高效性对于工业上的应用非常重要。提出了一种基于超光谱成像技术的色彩测量的方法,并设计制成原理样机系统。该系统能够快速准确的测量彩色样品的光谱,并在分析后可得丰富的颜色数据与颜色坐标。该方法克服了传统测色方法“测谱不成像,成像不测谱”的局限性。为了评估系统的性能,进行分析和实验：比较细分的每个波段的信噪比,并使用光谱匹配技术来比较彩色照相机和所设计的系统在颜色测量方面的优缺点。结果表明,本系统提供了一种更精确的颜色测量方法,可以有效地测试产品颜色的质量。     

基于无人机多光谱影像的冬小麦返青期变量施氮决策模型研究

氮素是影响冬小麦生长的重要元素,如何根据冬小麦需求适时变量施用氮肥是现代农业精准施肥研究需要解决的关键问题之一。无人机遥感技术在冬小麦生长情况监测中具有高分辨率、高时效性、低成本等优势,为解决施肥需求监测问题提供了重要数据源。因此研究无人机多光谱影像数据,构建其与冬小麦产量与施肥量之间的关系模型对于精准施肥研究十分重要。选择冬小麦典型生产区山东省桓台县为实验区,布置4种不同施氮水平的田间实验。利用无人机搭载Sequoia多光谱传感器,采集实验区不同氮素施肥水平的冬小麦返青初期多光谱影像,同时测得冬小麦冠层叶绿素含量（soil and plant analyzer development,SPAD）数据及产量数据。通过多光谱影像数据计算获得归一化植被指数（normalized difference vegetation index,NDVI）、叶绿素吸收指数（modified chlorophyll absorption ratio index,MCARI2）等6种形式植被指数,建立无人机多光谱影像植被指数与小麦冠层SPAD值的线性、二阶多项式、对数、指数和幂函数模型,优选地面氮素状况最优植被指数模型,反演冬小麦不同施氮水平的状况,进而根据不同施氮水平与敏感植被指数和冬小麦产量的关系,构建了基于植被指数指标的氮肥变量施肥模型,并将模型应用于同时期小麦多光谱影像。结果如下：（1）地面实测的SPAD值能较好的反映冬小麦施氮水平及生长状况。无人机多光谱数据分区统计结果表明不同施氮水平冬小麦冠层反射率有较大差异性。（2）结构性植被指数与SPAD拟合效果优于其他类型指数。MCARI2的二阶多项式模型精度最优（R2=0.790,RMSE=0.22）,其能较好的移除冬小麦返青初期土壤背景等因素的影响,为氮肥敏感植被指数。（3）基于产量-施氮量模型和产量-敏感植被指数模型,构建敏感植被指数的氮肥变量施肥模型为N_r=10 707.63×MCARI22-5 992.36×MCARI2+715.27。通过模型应用生成了实验区冬小麦氮肥变量施肥图,与实际情况具有较高一致性。该研究提出了利用无人机多光谱数据进行冬小麦施氮决策的模型及方法,为冬小麦精准施肥的进一步研究提供了依据。     

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。研究目的是建立能够快速、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、非破坏性检测。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。     

基于地面多光谱成像技术的茄子灰霉病无损检测研究

实时、便捷、可靠的作物病害诊断方法是进行科学的作物喷药管理的基础,也是精细农作的关键技术之一。根据感染灰霉病菌的茄子叶片的光谱反射特征和相应的特征波段的图像信息,利用基于地面的包含绿、红、近红外三波段灰度图的多光谱成像技术对染病茄子叶片进行病斑的无损检测。目的是建立能准确反映植物病害状况的检测模型,实时过滤掉土壤噪声、气候条件等环境干扰,实现对植物健康状况进行快速、准确、非破坏性检测。结果显示,利用绿、红和近红外三通道图像信息算法模型,能够在有干燥的土壤和枯叶等干扰下对灰霉病斑进行较好的识别,为植物生产中病害的在线无损检测提供了新的方法。     

基于有限立体角测量的多光谱测温

辐射测温以Planck定律为基础通过测量物体表面的发射辐射来反演温度。推导了有限立体角辐射测量条件下的单色测温方程,发现多光谱辐射测温能够实现温度和光谱发射率同时求解通常需满足特定的辐射测量条件：进行微元立体角辐射测量或仅针对漫发射体的有限立体角辐射测量。引入多项式发射率模型,经过数学转化,可以摆脱以上测量限制,得到具有测量普适性的单色测温方程,但却不一定能同时测量光谱发射率。对测温方程组的多解问题进行了初步研究,提出使测量通道数大于待求变量数及采用非线性最小二乘来解决此问题。     

基于多光谱成像技术的宫颈脱落细胞DNA定量分析研究

常用的宫颈癌筛查方法有TBS(the bethesda system)分类法和细胞DNA定量分析法两种,而同时利用多重染色方法在同一张细胞涂片上对细胞质进行巴氏染色和对细胞核进行Feulgen染色进行宫颈癌筛查的研究仍然是空白。多重染色筛查方法的难点在于非DNA物质的吸光度会干扰DNA物质的吸光度。因此建立了一套多光谱成像系统,并基于吸光度的线性叠加特性,利用多元线性回归方法建立了吸光度剥离模型,通过该模型成功地将DNA物质的吸光度剥离出来进行DNA定量分析,实现了两种常用方法的完美结合。通过一系列实验证明了,利用模型剥离出的DNA物质的吸光度与实测的DNA物质的吸光度在检验水平为1%的情况下在统计学上没有显著差异,而且实际应用测试中的统计数据也显示在置信水平为99%的情况下使用该分析方法筛查得到的四倍体细胞的DNA指数的置信区间与癌细胞的DNA指数判别区间没有交集,验证了这种基于多光谱成像技术的多重染色的DNA定量分析方法的准确性和可行性,在宫颈癌乃至其他癌症的早期诊断和筛查中有巨大的市场应用潜力与广阔的应用前景。     

基于多通道窄带滤光片和彩色图像传感器的实时多光谱成像系统

针对复染情况的出现,采用多通道窄带滤光片与彩色图像传感器相结合的方式,设计了一种多光谱成像方法.使用多通道窄带滤光片对光源进行分光,采用多元线性回归方法建立多光谱剥离模型,并对彩色图像传感器输出的多个单色光混叠响应进行剥离,通过FPGA实现多光谱图像的实时剥离运算和输出.实验结果表明:多通道窄带滤光片的半高宽为12nm/15nm/20nm,其透射光是三个不同波段的窄带单色光;在检验水平为0.01情况下的模型具有较高的准确性;具有相同光谱特征的物质在同一波段的灰度图像上特征一致,同一物质在不同波段上的灰度图像特性差异较大.     

近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别

为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响,以糯玉米种子京科糯2000为例,用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据,分别提取胚面向上胚部、胚面向上胚乳部、胚面向下胚乳部单点多光谱数据,并对胚面向...     

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。     

基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究

为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法（CARS）选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R2分别为：DSI(R₈₅₇, R₆₂₃), 0.704; DSI(R₆₇₀, R₅₇₈), 0.786; DSI(R₉₉₅, R₅₀₈), 0.754。以各生长期内的较优的三种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明：SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R2均在0.810以上,RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。     

自适应阈值的多光谱遥感影像软硬分类方法研究

土地覆盖遥感分类根据图像中每个像元在不同波段具有不同光谱亮度、空间结构特征或者其他差异的特征,按照某种规则或算法提取土地覆盖分类信息。硬分类方法由于混合像元的存在,导致遥感分类和面积测量精度难以达到使用要求;软分类方法能够解决混合像元问题。针对硬分类与软分类各自存在的问题及优势,在分析硬分类模型和软分类模型的理论基础上,通过研究两种模型的优缺点取长补短,优化分类模型。在新的软硬分类方法支持下,设计典型应用案例,在精度评价过程采用改进型混淆矩阵评价方法,验证该方法在土地覆盖信息提取方面的精度。结果表明,软硬分类方法能够有效提高土地覆盖分类精度。