一种面向多光谱图像的打印分色方法

为解决多光谱图像打印输出问题,提出一种用非线性优化技术实现光谱图像打印分色的方法,以同时提高再现图像的光谱精度和色度精度.从分析打印系统成色机理及Neugebauer光谱模型入手,比较了图像光谱特性和色度特性对打印效果的影响,可知输出图像光谱误差和色度误差对打印质量均至关重要;据此构造了图像光谱误差和色度误差目标函数,分别反映再现图像的光谱精度和色度精度,并根据实际打印过程对各打印基色的墨量控制值进行约束;最后采用非线性优化方法,逐点计算图像光谱对应的墨量控制值,实现打印分色.实验表明,该方法能同时兼顾再现图像的光谱精度和色度精度,与仅考虑光谱误差的迭代分色方法相比,再现色度精度能提高约3～10倍.     

基于多光谱图像的烟雾检测

烟雾检测对于火灾早期防范非常重要,传统的智能视频和图像处理技术易受背景运动信息影响,抗干扰性差,且不容易区分森林水雾和燃烧产生的烟雾,森林防火误报率高。为此提出一种新的多光谱图像检测方法检测烟雾。采用多光谱成像系统,获取400至720 nm波段范围的烟雾、水雾光谱图像序列,对图像进行分层像素整合处理;利用欧氏距离度量不同分块光谱特征差异,获取动态区域光谱特征向量,根据目标与背景间光谱特征向量差异,提取烟雾、水雾区域。室内外试验结果表明：多光谱图像检测方法可用于烟雾检测,能够有效地检测并区分烟雾和水雾,与视频图像方法结合,可有效地用于森林火灾监测,降低森林火灾检测误报率。     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

基于实测端元光谱的多光谱图像光谱模拟研究

地物光谱特性是遥感应用的基础。然而,在基于野外实测端元光谱的遥感应用中,由于测量尺度不同,导致同一地物光谱形态和反射率值存在很大差异,为遥感信息的定量反演带来困难。文章以新疆塔里木盆地北缘渭干河-库车河绿洲为研究区,选取裸土、植被两类地物作为研究对象,首先通过AVNIR-2传感器的光谱响应函数,实现了将野外实测端元光谱拟合为多光谱离散光谱,通过实例数据表明,拟和的多光谱与AVNIR-2像元光谱具有很好的相关性,在此基础上,采用线性算法建立端元光谱与遥感图像像元光谱的转换模型,实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换,为遥感定量分析奠定了一定基础。     

多光谱成像的粒子图像测速

基于时间分辨的粒子图像测速技术(time-resolved particle image velocimetry, TR-PIV)是一种广泛应用的非接触式二维瞬时流场可视化测量技术。为了得到流场精细的瞬态空间结构和演变过程,提出了一种利用多光谱成像技术来提高流场测量的时间分辨率的方法。利用多个不同波长的脉冲激光照明流场中的同一测量区域,使用多光谱成像系统采集不同波长的粒子图像,经过图像分离,判决计算产生速度矢量场。为了验证这一原理的可行性,使用三种不同波长(488,532和632.8 nm)的单色光谱脉冲搭建了一套基于多光谱成像的TR-PIV系统,通过多波长激光脉冲之间时序的精确控制,将两帧图像之间的时间间隔从10 ms缩短至3.4 ms,时间分辨率提高了3倍。结果表明基于多光谱的TR-PIV测量系统在保持PIV技术瞬时全场测量特点的同时,时间分辨率大为提高。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

基于多光谱图像融合的掌纹识别方法

生物特征识别在信息安全领域发挥着重要作用,掌纹识别作为一种新型生物特征识别方式,具有低失真、非侵入性和高唯一性等优势。传统掌纹研究大多使用自然光成像系统以灰度格式获取,识别精度很难进一步提升。为了获得更多的身份鉴别信息,提出利用多光谱掌纹图像代替自然光掌纹图像。针对现有掌纹识别算法由于没有考虑到不同光谱的特性而导致纹理细节丢失,识别精准率低的问题,提出了一种基于多光谱图像融合的掌纹识别算法。该方法通过对不同光谱下的掌纹图像进行快速自适应二维经验模式分解（FABEMD）,将多光谱掌纹图像分解成一系列频率由高到低的二维固有模态函数(BIMF)和一个残余分量,残余分量可被视为该光谱图像低频信息的初步估计。图像采集过程中光照条件很难保持稳定,而近红外光谱图像在进行FABEMD分解时对光照变换敏感,容易导致分解后的BIMF背景信息过于冗余;因此对分解后的近红外掌纹图像进行背景重建及特征细化,在对背景冗余信息进行平滑处理的同时可以有效增强高频信息的特征表达。为避免直接融合处理后引发的图像过度曝光问题,提出对近红外特征压缩后再融合。此外,提出了一种结合了注意力机制的改进残差网络（IRCANet）,用于融合后的掌纹图像分类,在网络中引入分阶段残差结构,缓解了网络的退化问题,在学习过程中有效地减少信息丢失,对于融合后的多光谱掌纹图像,分阶段残差结构能够稳定地将图像信息在网络间传输,但对图像中的高低频信息区分效果不够显著,为了使网络关注更多区分性特征,利用特征通道间的相互依赖性,在分阶段残差结构中结合了通道注意力(Channel Attention)机制。最终,在香港理工大学（PolyU）多光谱掌纹数据集上进行的综合实验表明,该方法可以取得良好的效果,算法识别准确率能达到99.67%且具有良好的实时性。     

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。     

一种自适应的多光谱图像与全光图像融合新方法

对于不同多光谱图像与全光图像的融合,目前一些融合算法在光谱信息和分辨率上不能同时得到较好的融合效果.针对这一问题,提出一种新的自适应图像融合方法.实验结果表明,该方法不仅能够较好地保留融合图像的光谱信息和提高空间分辨率,而且具有较强的自适应性.     

一种可实时化的多光谱图像融合系统

在多光谱摄影和光电成像技术基础上，本文提出了一种可实时化的多光谱图像融合系统。与多光谱摄影相比，不仅可实现多光谱实时化摄像，而且光谱响应进一步向近红外延伸，并引入图像处理技术。实验表明：这种技术对于增加系统的识别能力具有明显的作用，可进一步构成不同用途的新型多光谱图像融合系统。     

Multispectral Image Compression for Improvement of Colorimetric and Spectral Reproducibility by Nonlinear Spectral Transform

The article proposes a multispectral image compression scheme using nonlinear spectral transform for better colorimetric and spectral reproducibility. In the method, we show the reduction of colorimetric error under a defined viewing illuminant and also that spectral accuracy can be improved simultaneously using a nonlinear spectral transform called Labplus, which takes into account the nonlinearity of human color vision. Moreover, we show that the addition of diagonal matrices to Labplus can further preserve the spectral accuracy and has a generalized effect of improving the colorimetric accuracy under other viewing illuminants than the defined one. Finally, we discuss the usage of the first-order Markov model to form the analysis vectors for the higher order channels in Labplus to reduce the computational complexity. We implement a multispectral image compression system that integrates Labplus with JPEG2000 for high colorimetric and spectral reproducibility. Experimental results for a 16-band multispectral image show the effectiveness of the proposed scheme.     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用, 为提高压缩效率, 进一步存储传输, 提出了WF系列编码方法, 设计了APWS_RA算法, 进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理, 提出了色感应失真准则和视觉特性矩阵W;同时, 优化了APWS编码算法的码率分配, 形成APWS_RA编码算法;最后, 结合以上技术, 以色度误差准则指导编码, 对视觉加权后的多光谱图像数据进行aPWS_rA编码, 命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W, 利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余, 小波变换去除其空间冗余, 最后结合误差补偿机制和码率分配策略进行小波编码。实验表明, 在相同比特率下, 较现有低复杂度经典编码算法, WF系列编码方法能更有效地保留光谱中的色度信息, APWS_RA算法的重建光谱误差最小, WF_APWS_RA算法的重建色度精度优势明显。     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。     

Comparative Evaluation of Spectral Transforms for Multispectral Image Coding in Terms of Color Degradation

Recently, multispectral images have been utilized for high fidelity color reproduction through visual telecommunication systems and its compression schemes have been required. However multispectral image coding considering color degradation has not been established. This article presents a comparison of four spectral transforms presented before to find out which transform is more suitable to a spectral decorrelation scheme in transform coding of multispectral images. Transforms dealt with in this paper are Karhunen-Loeve transform (KLT), weighted KLT (WKLT), one mode analysis (OMA) and a transform realizing compatibility to the conventional color systems, latter three of which are designed to represent spectral reflectance functions with small number of coefficients having small colorimetric errors. Through the theoretical and experimental comparisons, it is found that WKLT and OMA reduced colorimetric error compared to the others, where OMA is suitable when the rendering illuminations in the color reproduction can be assumed in advance and WKLT is applicable to other situations.     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

按波长分区的LCD颜色特征化模型

为了建立液晶显示器颜色计算模型,分别对EIZO CG19, IBM 19, DELL 19和HP 19 LCD显示器进行了通道独立性和颜色叠加性的检验。通过检验单通道和双通道数字驱动值与颜色三刺激值之间的关系可以验证各通道之间的独立性,从而证明了上述显示器的显示色与三原色光谱辐亮度函数之间存在线性叠加关系。实验中发现三原色光谱辐亮度与数字驱动值的关系是波长的非线性函数,提出了一种按波长分区法计算三原色光谱辐亮度函数的方法,用RGB三原色的测量光谱拟合出各波长辐亮度值与数字驱动值之间的三次多项式关系,利用这个关系可计算得到任意数字驱动值对应的三原色光谱辐亮度曲线,然后可按颜色相加关系由三原色光谱辐亮度曲线计算出任意数字驱动值下的显示色。实验结果表明,只需要测量少量几个数字驱动值下的光谱曲线就可以准确计算出任意数字驱动值下的三原色光谱辐亮度曲线,进而计算得到任意混合色的光谱辐亮度曲线,大大减少了测量样品数量。这种计算方法所需的测量样品数量少、计算准确度高,可以满足工业应用的精度要求,能作为LCD显示器颜色特征化的一种方法。     

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。     

一个评价光谱估计精度的新参数

研究了对多光谱成像系统进行光谱估计的精度评价的问题。在给出光谱估计偏指数定义的基础上,提出了多光谱图像获取系统的光谱估计性能的评价的新方法——系统光谱匹配偏度指数法。该方法用一个指标来定量评价两光谱向量的光谱匹配程度,避免了以往评价参数的复杂性,同时反映了光谱反射率估计曲线实际测量曲线之间的差异程度。采用一典型多光谱相机对Macbeth色卡的24个典型光谱仿真估计所得的24个光谱对数值模拟,验证了光谱反射率估计匹配偏度指数能全面的反映光谱反射率的估计精度的设想;并拿17个多光谱估计系统的仿真估计的光谱数据,计算了它们的系统光谱估计偏度指数,计算结果有很好的一致性。结果还显示,系统光谱估计偏度指数还可用作对多光谱相机光谱估计性能进行等级划分的依据。     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多,分布广泛,在低含水量条件下,风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大,含水量变化快,传统的含水量监测方法效率低、安全性差、成本高,难以实现尾矿库含水量的大面积、实时、快速的监测。目前,基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量,但矿区尾砂与常规土壤在成分上存在差异性,使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此,选择辽宁省风水沟尾矿库作为研究区,采集尾砂配置成不同含水量的样品,测试其可见光-近红外光谱,分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系,建立针对尾砂的含水量遥感预测模型,并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响,二者存在高度的相关性,光谱反射率随含水量增加而下降,且波长越长,含水量对光谱的影响越显著;（2）构建了基于尾砂光谱特征的含水量遥感预测模型,选择Landsat8-OLI传感器的B6和B7波段,定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数,并将这3种指数作为输入自变量,使用随机森林方法进行训练以及含水量的建模预测,并与B7波段建立的对数反射率预测模型进行比较。结果表明,光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型,通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图,结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798,均方根误差RMSE为0.077,相对分析误差RPD为1.970,平均相对精度ARE为20.1%,在现有技术条件下,达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

基于可见光光谱和随机森林算法的冬小麦冠层图像分割

数字图像分析技术因其高效、快速等特点,已被广泛应用于作物长势和氮素营养状况的无损监测领域。获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数,需要从作物冠层图像中准确分割出作物图像。研究以冬小麦与背景(土壤)在可见光波段反射率的差异为依据,利用基于CIEL*a*b*色彩空间a*分量的最大类间方差法和基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割,并比较了图像分割精度。结果表明,三种方法均具有较高的分割精度,其中基于随机森林算法的图像分割效果明显好于最大类间方差法,而基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法的图像分割效果差异较小。研究结果表明,随机森林算法可直接利用冠层图像可见光波段的三个色彩分量(R,G和B)分割冬小麦冠层图像。