基于成像高光譜技術(shù)的作物葉片提取測(cè)試試驗(yàn)

一、基于成像高光譜技術(shù)的作物葉片提取測(cè)試試驗(yàn)測(cè)試原理及方法：

    高光譜成像技術(shù)是近二十年來(lái)發(fā)展起來(lái)的基于非常多窄波段的影像數(shù)據(jù)技術(shù)，其*突出的應(yīng)用是遙感探測(cè)領(lǐng)域，并在越來(lái)越多的民用領(lǐng)域有著更大的應(yīng)用前景。它集中了光學(xué)、光電子學(xué)、電子學(xué)、信息處理、計(jì)算機(jī)科學(xué)等領(lǐng)域的先進(jìn)技術(shù)，是傳統(tǒng)的二維成像技術(shù)和光譜技術(shù)有機(jī)的結(jié)合在一起的一門(mén)新興技術(shù)。

    高光譜成像技術(shù)的定義是在多光譜成像的基礎(chǔ)上，在從紫外到近紅外（200-2500nm）的光譜范圍內(nèi)，利用成像光譜儀，在光譜覆蓋范圍內(nèi)的數(shù)十或數(shù)百條光譜波段對(duì)目標(biāo)物體連續(xù)成像。在獲得物體空間特征成像的同時(shí)，也獲得了被測(cè)物體的光譜信息。

目標(biāo)物體-成像物鏡-入射狹縫-準(zhǔn)直透鏡-PGP-聚焦透鏡-CCD棱鏡-光柵-棱鏡：PGP

圖1 成像原理圖

光譜儀的光譜分辨率由狹縫的寬度和光學(xué)光譜儀產(chǎn)生的線(xiàn)性色散確定。*小光譜分辨率是由光學(xué)系統(tǒng)的成像性能確定的（點(diǎn)擴(kuò)展大?。?。

    基于成像高光譜技術(shù)的作物葉片提取測(cè)試試驗(yàn)成像過(guò)程為：每次成一條線(xiàn)上的像后（X方向），在檢測(cè)系統(tǒng)輸送帶前進(jìn)的過(guò)程中，排列的探測(cè)器掃出一條帶狀軌跡從而完成縱向掃描（Y方向）。綜合橫縱掃描信息就可以得到樣品的三維高光譜圖像數(shù)據(jù)。

圖2 像立方體

圖3  Gaia Field高光譜成像儀

高光譜儀配置：鏡頭：22mm鍍膜消色差鏡頭；光譜范圍：400nm-1000nm，光譜分辨率: 4nm@435.8nm（@400-1000nm），像面尺寸（光譜x空間）：6.15 x 14.2 mm，相對(duì)孔徑：F/2.4，狹縫長(zhǎng)度14.2 mm. 內(nèi)置控制、掃描機(jī)構(gòu)；內(nèi)置電池；

SpecView軟件：控制完成自動(dòng)曝光、自動(dòng)對(duì)焦、自動(dòng)掃描速度匹配；數(shù)據(jù)處理：黑白、輻射度、均勻性、鏡頭等校準(zhǔn)；光譜查看。

GaiaField便攜式高光譜系統(tǒng)是雙利合譜自行研制的超便攜式高光譜成像儀器。它的核心由三部分構(gòu)成，分別是：多維運(yùn)動(dòng)控制器，光譜相機(jī)和成像光譜儀。使用此系統(tǒng)進(jìn)行掃描，在獲得目標(biāo)影像信息的基礎(chǔ)上，還可以獲得數(shù)百甚至上千波段的光譜信息。

GaiaField系統(tǒng)有著輕便靈活，續(xù)航能力出色的特點(diǎn)。廣泛適用于，目標(biāo)識(shí)別、偽裝與反偽裝等**領(lǐng)域，地面物體與水體遙測(cè)、現(xiàn)代精細(xì)農(nóng)業(yè)等生態(tài)環(huán)境監(jiān)測(cè)領(lǐng)域，以及刑偵、文物保護(hù)、生物醫(yī)學(xué)等領(lǐng)域。

覆蓋可見(jiàn)光與近紅外全波段可提供超過(guò)700個(gè)光譜通道，可自由選擇GaiaField便攜式高光譜系統(tǒng)采用了高分辨率的成像光譜儀。在可見(jiàn)光波段，光譜分辨率高達(dá)3nm，即使在短波紅外波段也能達(dá)到10nm。因而全波段內(nèi)可以獲得超過(guò)700個(gè)的光譜通道，更多的光譜通道意味著更多的信息，有助于研究人員通過(guò)對(duì)連續(xù)光譜的分析、反演，獲得更多的高價(jià)值數(shù)據(jù)細(xì)節(jié)。

圖4  高光譜成像儀數(shù)據(jù)效果圖

獨(dú)有的軟硬件功能：

輔助攝像頭功能

通過(guò)輔助攝像頭觀察目標(biāo)拍攝區(qū)域

當(dāng)前狹縫位置指示

選擇自動(dòng)曝光與自動(dòng)調(diào)焦區(qū)域，直觀方便，僅需鼠標(biāo)即可完成操作。

圖 5  輔助攝像頭觀察目標(biāo)拍攝區(qū)域

基于成像高光譜技術(shù)的作物葉片提取測(cè)試試驗(yàn)

自動(dòng)掃描速度匹配、自動(dòng)曝光：

自動(dòng)曝光：根據(jù)當(dāng)前光照環(huán)境，進(jìn)行曝光測(cè)試，獲得精準(zhǔn)的曝光時(shí)間。在得到*佳信噪比的同時(shí)，又可避免過(guò)度曝光造成數(shù)據(jù)作廢。同時(shí)軟件具有實(shí)時(shí)過(guò)度曝光監(jiān)視功能。

自動(dòng)掃描速度匹配：根據(jù)當(dāng)前的曝光時(shí)間等參數(shù)，進(jìn)行測(cè)試拍攝，得到實(shí)時(shí)幀速，進(jìn)而計(jì)算出合適的掃描速度。從而避免了掃描圖像的變形（拉伸或壓縮）

圖 6   采集數(shù)據(jù)自動(dòng)曝光、速度匹配

基于成像高光譜技術(shù)的作物葉片提取測(cè)試試驗(yàn)：本文以水稻、小麥為研究對(duì)象，利用雙利合譜的高光譜成像儀Gaia Field（光譜范圍400 nm - 1000 nm）采集測(cè)試對(duì)象的高光譜數(shù)據(jù)。

對(duì)成像高光譜儀拍攝的原始影像數(shù)據(jù)進(jìn)行數(shù)據(jù)的預(yù)處理，預(yù)處理過(guò)程主要包括兩部分。**部分是輻射定標(biāo)；**部分為噪聲去除。

首先進(jìn)行輻射定標(biāo)。輻射定標(biāo)的計(jì)算公式如1所示。

其中，Ref_target為目標(biāo)物的反射率，Ref_panel為標(biāo)準(zhǔn)參考板的反射率，DN_target為原始影像中目標(biāo)物的的數(shù)值，DN_panel為原始影像中標(biāo)準(zhǔn)參考板的數(shù)值，DN_dark為成像光譜儀系統(tǒng)誤差。

其次是噪聲去除，本文運(yùn)用國(guó)外較為常用的*小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進(jìn)行噪聲去除。*小噪聲分離工具用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，減少隨后處理中的計(jì)算需求量。MNF本質(zhì)上是兩次層疊的主成分變換。**次變換（基于估計(jì)的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有*小的方差且沒(méi)有波段間的相關(guān)。**步是對(duì)噪聲白化數(shù)據(jù)（Noise-whitened）的標(biāo)準(zhǔn)主成分變換。為了進(jìn)一步進(jìn)行波譜處理，通過(guò)檢查*終特征值和相關(guān)圖像來(lái)判定數(shù)據(jù)的內(nèi)在維數(shù)。數(shù)據(jù)空間可被分為兩部分：一部分與較大特征值和相對(duì)應(yīng)的特征圖像相關(guān)，其余部分與近似相同的特征值以及噪聲占主導(dǎo)地位的圖像相關(guān)。圖7為MNF降噪前后的光譜反射率變化。

圖7  MNF變換前(左)后(右)高光譜影像數(shù)據(jù)DN值變化

成像高光譜影像經(jīng)過(guò)預(yù)處理后，以拔節(jié)期的小麥為例，選擇影像中不同地物(光照葉片、陰影葉片、光照土壤和陰影土壤)在可見(jiàn)/近紅外光譜區(qū)間的光譜特征值進(jìn)行組合運(yùn)算，并根據(jù)運(yùn)算的結(jié)果對(duì)高光譜影像中的地物進(jìn)行分類(lèi)。圖8為小麥拔節(jié)期光照葉片、陰影葉片、光照土壤和陰影土壤光譜反射率曲線(xiàn)。從圖8可知，這四類(lèi)地物在553 nm(綠峰)、680 nm(紅谷)、760-1000 nm(近紅外)有明顯的光譜特征差異，即小麥在可見(jiàn)光波段的綠峰處有明顯的反射鋒，紅谷處有明顯的吸收特征，近紅外有較高的反射率；而土壤既沒(méi)有反射峰也沒(méi)有吸收谷，在這四類(lèi)地物中，光照葉片在553 nm處有*高的反射率值，陰影土壤有*低的反射率值，553 nm處反射率值的整體規(guī)律是光照葉片>光照土壤>陰影葉片>陰影土壤；而在680 nm處，光照土壤則有*大的反射率值，陰影土壤有*低的反射率值，其反射率值整體規(guī)律是光照土壤>光照葉片>陰影葉片>陰影土壤；從圖3還可以看出，在近紅外波段范圍內(nèi)，光照葉片的反射率值遠(yuǎn)大于其他三種地物，陰影葉片相對(duì)于光照土壤和陰影土壤，其反射率值也保持較高水平，其整體規(guī)律是光照葉片>陰影葉片>光照土壤>陰影土壤。在選擇上述波段的基礎(chǔ)上，進(jìn)行波段間的組合運(yùn)算，構(gòu)建光譜指數(shù)，首先，進(jìn)行波段間的差值運(yùn)算，應(yīng)用553 nm的反射率值減去680 nm的反射率值，光照土壤表現(xiàn)為負(fù)值，能很好地將其與其他地物區(qū)分，而陰影土壤表現(xiàn)為零值或接近零值，想要從小麥中把陰影土壤區(qū)分開(kāi)，則需引入近紅外波段，因?yàn)樵诮t外波段范圍內(nèi)，陰影土壤相對(duì)于光照葉片和陰影葉片，其反射率值較低，應(yīng)用553 nm的反射率值減去680 nm的反射率值的差值乘以近紅外反射率值可以很好的將陰影土壤從光照葉片和陰影葉片中區(qū)分出來(lái)。從圖8可知，應(yīng)用553 nm的反射率值減去680 nm的反射率值，光照葉片的差值大于陰影葉片的差值，而且在近紅外波段范圍內(nèi)，光照葉片反射率值是陰影葉片反射率值的近兩倍，應(yīng)用553 nm的反射率值減去680 nm的反射率值的差值乘以近紅外反射率值也可以很大程度上把光照葉片和陰影葉片區(qū)分開(kāi)來(lái)。此外，為了使不同目標(biāo)成分區(qū)分差異更顯著，在上述波段運(yùn)算后再乘以100，這樣不同地物的分割閾值呈明顯的數(shù)值梯度。提出的光譜分類(lèi)指數(shù)如式2所示。圖9分別列舉了不同生育期各目標(biāo)地物基于光譜指數(shù)分類(lèi)的散點(diǎn)圖。圖10為小麥拔節(jié)期各目標(biāo)成分的提取效果圖。

式中，b₁, b₂, b₃分別代表單個(gè)波長(zhǎng)553 nm、680 nm和770 nm(近紅外波段取770 nm作分析)處反射率，NSIC(new spectral index classification)光譜指數(shù)分類(lèi)。

圖 10  拔節(jié)期N0處理下小麥各目標(biāo)成分示意圖

(A：未去背景小麥；B：去背景小麥葉片；C：光照葉片；D：陰影葉片)

圖11  水稻的圖像分割

(A：拔節(jié)期原始圖像；B：拔節(jié)期水稻提?。?/b>C：抽穗期原始圖像；D：抽穗期水稻提取)