基于多光譜成像技術(shù)的水稻特征光譜提取＊

馮 潔，曹鵬飛，李宏寧，李 宏

（云南師范大學 物理與電子信息學院，云南 昆明 650500）

引 言

多光譜成像技術(shù)是基于成像學和光譜學發(fā)展起來的一門新興技術(shù)，此技術(shù)和普通成像技術(shù)的最大不同之處在于多光譜成像技術(shù)能獲得每張圖像每個像素點的高分辨率的光譜，不是肉眼所見的紅、藍、綠三色圖像［1］。

隨著多光譜成像技術(shù)的發(fā)展，其在各領(lǐng)域的應(yīng)用也在逐漸增多。多光譜成像技術(shù)可應(yīng)用于軍事、植物病毒監(jiān)控、水資源跟蹤、地質(zhì)災(zāi)害預(yù)測、生物醫(yī)學［2－3］等方面。然而，多光譜成像技術(shù)的各領(lǐng)域的應(yīng)用過程中，仍然存在著很多問題，例如光譜和圖像分辨率的不斷提高，龐大的數(shù)據(jù)量，光譜成像儀的定標［4］，無論是在存儲還是在計算過程都是很難克服的問題。為了解決上述問題，在采集以及整理各波段圖像所包含信息以及數(shù)據(jù)之后，需要找出最佳波段。最佳波段就是指那些信息量多、相關(guān)性小、地物光譜差異大、可分性好的波段［5］。通過最佳波段圖像信息、數(shù)據(jù)的采集及整理，提取出物體特征光譜在很大程度上可以避免上述問題。

通常，選擇最佳波段原則有以下三點［6］：（1）所選擇波段信息量要大；（2）波段間的相關(guān)性要小；（3）波段組合對所研究地物類型的光譜差異要大。常用的最佳波段選擇方法有熵和聯(lián)合熵［7］、最佳指數(shù)法［8］、波段選擇的指數(shù)方法［9］。與其它兩種方法相比，波段選擇的指數(shù)方法的意義更加明確，更能綜合地反映通道信息含量和相關(guān)性兩個因素［10］。因此，本文采用波段選擇的指數(shù)方法來處理實驗數(shù)據(jù)。

1 提取方法

設(shè)Ri為通道i與j之間的相關(guān)性系數(shù)，成像光譜數(shù)據(jù)被分為m組，每組的波段數(shù)分別為n1、n2…nm，定義波段指數(shù)為［9］：

式中σi為第i個波段的均方差，Rw為第i個波段與所在組內(nèi)其它各波段相關(guān)系數(shù)的絕對值之和的平均值，Ra為第i個波段與所在組以外的其它各波段之間的相關(guān)系數(shù)的絕對值之和。

由于各組內(nèi)各波段的相關(guān)性很強而各組間波段的相關(guān)性很弱，一波段的整體相關(guān)性強弱主要是由其與所在組內(nèi)各波段的相關(guān)性大小決定，而各組的大小不同，即構(gòu)成各個組的波段數(shù)不同。因此使用組內(nèi)一個波段與其它波段相關(guān)系數(shù)的絕對值之和的平均值作為波段指數(shù)分母中的一項，能更合理地反映出該波段的整體優(yōu)劣水平。

波段指數(shù)的意義非常明確，均方差越大，表明波段的離散程度越大，所含信息量也越豐富，而如果波段的相關(guān)系數(shù)絕對值越小，則表明通道數(shù)據(jù)的獨立性越強，信息冗余度也越小［11］。所以波段指數(shù)Pi能綜合反映通道信息的含量和相關(guān)性兩個因素，可作為選擇波段的重要參數(shù)之一［12］。

2 實驗與結(jié)果分析

2.1 實驗裝置

本實驗所使用的儀器設(shè)備主要由液晶可調(diào)諧濾波器［13］（liquid crystal tunable filter，LCTF）、單色CMOS相機和計算機控制軟件組成。其中LCTF使用美國CRI公司的VariSpecTM（VIS－07－20），帶寬（FWHM）為10nm，半角可視范圍為7.5°，響應(yīng)時間為50ms；CMOS相機的型號為SunTime 500B，像元尺寸為2.2μm×2.2μm，有效像素為2592×1944。其原理如圖1所示，通過LCTF采集的多光譜樣本數(shù)據(jù)，由數(shù)據(jù)處理模塊進行數(shù)據(jù)提取，最后輸出待測樣本的特征光譜。計算機控制軟件主要用來控制液晶濾波器和單色CMOS相機。

2.2 數(shù)據(jù)采集

實驗采集的樣本由云南省農(nóng)科院提供，采集的環(huán)境為溫室大棚里面，采集的對象為TN1＃水稻幼苗，實驗所采用的波段指數(shù)法適用于所有可見地物，進行多光譜成像，然后從眾多波段中選取信息量豐富或有代表性的波段。

圖1 數(shù)據(jù)采集流程圖Fig.1 Flow chart of data collection

首先，利用圖1所示的實驗設(shè)備，設(shè)置波長范圍從440～720nm，波長間隔為5nm對水稻幼苗進行采樣，將所得的多光譜圖像通過專業(yè)軟件打開，可以得到一個數(shù)據(jù)立方體，總共57幅水稻的多光譜圖像，圖2是從數(shù)據(jù)立方體中分別在440～500nm，500～600nm，600～700nm，700～720nm四個區(qū)間選取的4張多光譜圖像。

圖2 4幅多光譜圖像Fig.24 multi－spectral images

圖中，水稻幼苗中放置了Macbeths 24色卡作為參考背景，在所采集的多光譜圖像中隨機選取水稻幼苗20個矩形區(qū)域，每個矩形區(qū)域大小為2mm×2mm。將每幅圖像每個矩形區(qū)域中單個像素灰度值累加后平均，得到該區(qū)域的一個平均灰度值，最后組成一個57×20的樣本灰度值數(shù)組，得到20個樣本灰度值曲線，如圖3所示，可以得出，樣本的灰度值已經(jīng)反映出水稻的光譜曲線特征，因此實驗直接采用57×20樣本灰度值數(shù)值，代入式（2）和式（3），得到各個通道的Ri值，再代入式（1），即可得到各通道光譜數(shù)據(jù)的波段指數(shù)值。

圖3 20個樣本灰度值曲線Fig.3 Gray value curves of 20samples

表1是最終計算出Pi值后，挑選出Pi值排在前10個通道的Ri和Pi值。

表1 成像光譜數(shù)據(jù)波段指數(shù)排序Tab.1 Sorting of band index for multi－spectral imaging data

2.3 結(jié)果分析

波段指數(shù)是一個評價波段的重要參數(shù)，但并不是唯一的指標。通道選擇的目的是為了有效識別物體，因此不能脫離具體的應(yīng)用目的、應(yīng)用價值去選擇波段、評價波段，應(yīng)該結(jié)合具體的事物，特別是難識別的物體光譜曲線特點，即其吸收、反射峰的特征波長去選擇波段。對水稻各通道成像光譜數(shù)據(jù)做分析對比得到：綠色植物在藍光波段（380～500nm）反射率低，在綠光波段550nm左右，形成一個反射率小峰；在紅光波段（660～780nm），起先反射率很低，在650nm附近達到一個低谷，隨后又上升。本實驗中，由于水稻380～500nm的低反射率特點，其對應(yīng)的多光譜圖像噪聲較大，因此只有475nm作為水稻的特征通道；在綠光波段，由于反射峰的存在，水稻多光譜圖像的特征信息也較其它光譜區(qū)域豐富；在660～780nm的紅光波段，由于水分的高反射率，630nm、660nm和720nm具有較好的特征信息。綜合考慮各通道的信息特點，通道475nm、500nm、530nm、545nm、550nm、520nm、560nm、630nm、660nm、720nm能更好地反映出水稻特征光譜信息。

3 結(jié) 論

本文以健康水稻幼苗的成像光譜為例，利用波段選擇的指數(shù)方法計算實驗數(shù)據(jù)并探討了其光譜特征，得出通道475nm、500nm、530nm、545nm、550nm、520nm、560nm、630nm、660nm、720nm 能更好地反映水稻的特征光譜信息，是水稻的特征通道。本實驗所提取的特征通道能為水稻病害監(jiān)測、生長狀態(tài)識別等提供參考。實驗過程中存在的一些不足之處，如數(shù)據(jù)量不足、多光譜圖像不夠清晰等。下一步工作是要增加數(shù)據(jù)采集量，提高數(shù)據(jù)立方體的樣本多樣性，通過分類研究，進一步對特征通道進行驗證。

［1］曾衛(wèi)娟，李宗煥，文印宗，等.多光譜成像技術(shù)在生物醫(yī)學中的應(yīng)用進展［J］.現(xiàn)代生物醫(yī)學進展，2012，12（5）：968－971.

［2］許 洪，王向軍.多光譜、超光譜成像技術(shù)在軍事上的應(yīng)用［J］.紅外與激光工程，2007，36（1）：13－17.

［3］鄭茜文，龐其昌，趙 靜，等.基于VC＋＋的光譜成像中藥檢測系統(tǒng)的控制軟件設(shè)計［J］.光學儀器，2010，32（2）：54－59.

［4］沈杭城，潘建根，馮華君，等.多通道快速光譜儀的波長定標［J］.光學儀器，2006，28（2）：51－55.

［5］王慶光，潘燕芳.多光譜遙感數(shù)據(jù)最佳波段選擇的研究［J］.韶關(guān)學院學報，2006，27（3）：42－44.

［6］李石華，王金亮，陳 姚，等.多光譜遙感數(shù)據(jù)最佳波段選擇方法試驗研究［J］.云南地理環(huán)境研究，2005，17（6）：29－33.

［7］賈永紅.四種 HIS變換用于SAR與TM 影像復(fù)合的比較［J］.遙感學報，1998，2（2）：103－106.

［8］陸燈盛.TM 圖像的信息量分析及特征信息提取的研究［J］.環(huán)境遙感，1991，6（4）：267－274.

［9］姜小光，王長耀，王 成.成像光譜數(shù)據(jù)的光譜信息特點及最佳波段選擇—以北京順義區(qū)為例［J］.干旱區(qū)地理，2000，23（3）：214－220.

［10］趙春暉，陳萬海，楊 雷.高光譜遙感圖像最優(yōu)波段選擇方法的研究進展與分析［J］.黑龍江大學自然科學學報，2007，24（5）：592－602.

［11］王慶光.多光譜遙感數(shù)據(jù)最佳波段選擇研究［J］.廣東水利電力職業(yè)技術(shù)學院學報，2007，5（2）：63－65.

［12］楊金紅.高光譜遙感數(shù)據(jù)最佳波段選擇方法研究［D］.南京：南京信息工程大學，2005.

［13］黃相成，楊益民，師建濤，等.多光譜微型列陣濾光器的研制［J］.光學儀器，1999（Z1）：223－228.