基于多光譜圖像選取馬鈴薯葉片的最佳彩色波段組合

劉 鑫, 馮 潔, 楊舒明

(云南師范大學 物理與電子信息學院, 云南 昆明 650500)

基于多光譜圖像選取馬鈴薯葉片的最佳彩色波段組合

劉 鑫, 馮 潔, 楊舒明

(云南師范大學 物理與電子信息學院, 云南 昆明 650500)

為了快速目測識別馬鈴薯葉片,利用Spectrocam多光譜相機獲取健康C-88馬鈴薯葉片的可見光及近紅外通道的多光譜圖像。采用波段指數法提取葉片的特征波段,通過真彩色原理及標準假彩色對所提取的特征波段進行彩色合成,在此基礎上得到最佳彩色波段組合。實驗結果表明,用波段指數法提取多光譜圖像的特征波段進行彩色合成,能快速獲取馬鈴薯葉片的最佳波段,并得到680,558,475 nm和800,680,558 nm為最佳彩色波段組合,為遙感圖像的目視解譯和更多有效信息的提取提供了可靠依據。

多光譜圖像; 最佳彩色波段組合; 馬鈴薯葉片; 波段指數法

引 言

馬鈴薯是全世界范圍內一種重要的糧食作物,我國馬鈴薯產量居世界首位。目前許多學者對馬鈴薯進行了研究,宋英博等[1]通過光譜儀診斷馬鈴薯葉片中對氮素敏感的波段,張小燕等[2]研究了馬鈴薯主要營養成分的近紅外光譜,徐明珠等[3]利用高光譜技術識別馬鈴薯葉片早疫病,并建立了識別模型。

作物的光譜特性包含著作物的很多重要信息,如何既能最大程度地有效利用光譜信息,又能較快地處理光譜數據成為一個研究熱點[4-5]。傳統光譜技術對植株的檢測相關性低,多光譜成像技術利用敏感波段能有效反映目標光譜和空間特征的信息。基于Spectrocam多光譜相機和計算機軟件組成的多光譜成像系統可以同時從光譜維和空間維獲取被測目標的信息,能夠解決傳統科學領域“成像無光譜”和“光譜不成像”的問題,其特點是實現簡單、圖譜合一[6-7]。

由于人眼對彩色敏感且分辨能力強,多光譜數據往往需要進行波段組合,合成彩色圖像以便于進行目標識別和圖像特征提取[8-10]。但多光譜數據波段較多,各波段之間既具有互補性,又存在著大量的數據冗余[11],因此對多光譜圖像進行彩色合成時,有必要從眾多的波段中提取特征波段進行最佳波段組合。

鑒于此,本文基于Spectrocam多光譜成像系統通過波段指數法提取馬鈴薯葉片的特征波段,并將特征波段進行最佳波段組合合成假彩色圖像。

1 實驗原理

1.1波段指數法

波段指數[12]的定義為

(1)

式中:σi為第i個通道圖像的標準差,其值越大,表明此波段所含的信息量越豐富;Ri表示Rw和Ra之和,其中,Rw為第i波段與所在組內其他波段相關系數的絕對值之和的平均值,Ra為第i波段與所在組以外的其他波段之間的相關系數的絕對值之和,其值越小,表明波段之間的獨立性越高,信息冗余度越低。設ρij為波段i與j之間的相關系數,光譜數據分為k組,每組的波段數分別為n1,n2,…,nk,則

Ri=Rw+Ra

(2)

(3)

波段指數要求按照波段均方差越大,波段間相關系數的絕對值越小的特點進行最佳波段選擇。波段指數綜合考慮了各波段的信息量及其相關性,因此,波段指數對特征波段的選取具有重要意義。

1.2彩色合成原理

彩色合成[13]有兩種方案:真彩色原理合成,即R、G、B分別賦予紅光、綠光、藍光波段;標準假彩色合成,即R、G、B分別賦予近紅外、紅光、綠光波段。彩色合成的關鍵是如何進行波段組合,波段選擇要遵循以下原則:所選的三個波段的信息總量要大;所選的三個波段的相關性較弱;目標地物類型要在所選的波段組合內與其他地物具有很好的可區分性。

2 材料與方法

2.1多光譜成像系統概述

實驗采用多光譜成像系統進行實時無損的馬鈴薯葉片多光譜圖像采集。實驗使用的儀器設備主要由海洋薄膜公司全新Spectrocam多光譜相機和計算機控制軟件組成。Spectrocam多光譜成像系統具有可互換式濾光片,選用濾光片中心波長分別為425(1),475(2),509(3),515(4),558(5),578(6),620(7),650(8),680(9),717(10),750(11),800(12),832(13),850(14),972(15)nm的15個通道,其對應的半帶寬分別是100,100,20,10,5,10,10,10, 10,10,10,10,5,100,10 nm。

2.2材料制備及數據采集

實驗選取的健康馬鈴薯樣本來自云南師范大學馬鈴薯學院,馬鈴薯品種為C-88,生長時間為80 d,生長狀況良好。在溫室中分別采集盆栽培養的健康馬鈴薯葉片和參考白板的多光譜圖像,采集時間為12:00—14:00,多光譜相機與樣本之間的距離為1.2 m,參考白板用于測量時的系統標定。圖1所示為15個通道下的多光譜圖像。

圖1 各通道下的多光譜圖像Fig.1 Multispectral images of each channel

如圖2所示,在所采集的多光譜圖像中選擇5個不同區域進行灰度值提取,并同時提取參考白板的灰度值。

圖2 馬鈴薯葉片選取的區域Fig.2 The selected area of potato leaves

2.3實驗結果及分析

根據光譜反射率的定義得到健康馬鈴薯葉片的光譜反射比,通過MATLAB平臺擬合得到光譜反射率曲線,如圖3所示。

從圖3可以看出,在波長558 nm處出現一反射峰,在可見光波段與近紅外波段之間,即680～750 nm波段,反射率急劇上升且曲線陡,接近于直線的形狀,形成紅邊現象,這是典型綠色植物光譜曲線的明顯特征,故實驗數據滿足實驗分析要求。

根據波段指數法求出實驗中不同馬鈴薯葉片灰度值的標準差和不同通道之間的相關系數,圖4為馬鈴薯葉片成像光譜數據的標準差,表1為不同通道之間的部分相關系數。

在利用多光譜數據進行假彩色合成時,一般應從近紅外、紅光、藍綠光波段中各選一個最優波段進行合成。為此,可將15個通道根據波長大小分為3組,即通道1～7(除紅光外的可見光組)、8～11(紅光組)、12～15(近紅外組)。在得到不同波段的標準差和相關系數后,利用式(1)計算出馬鈴薯葉片不同通道的波段指數值,表2為各組的波段指數值。

圖3 健康馬鈴薯葉片的光譜反射率曲線Fig.3 Spectral reflectance of healthy potato leaves

圖4 馬鈴薯葉片的各波段標準差曲線Fig.4 Standard deviation curve of potato leaves in every band

通道12345678910111213141511.0020.791.0030.880.851.0040.750.870.971.0050.15-0.060.420.431.0060.720.650.930.930.711.0070.710.730.950.970.600.971.0080.500.760.840.950.500.870.921.009-0.12-0.310.170.180.590.460.420.301.0010-0.11-0.070.350.340.670.520.560.390.891.00110.27-0.010.450.390.760.610.620.390.870.981.00120.15-0.090.380.340.770.560.570.370.880.990.991.00130.27-0.050.430.350.750.580.580.330.860.961.000.991.00140.20-0.080.410.350.800.600.590.370.910.971.000.990.991.00150.26-0.030.460.410.830.650.630.410.910.960.990.990.990.991.00

從表2得知可見光通道下馬鈴薯葉片在475,680,717,750 nm處波段指數較大,近紅外通道下馬鈴薯葉片在800 nm和850 nm處波段指數相對較大。根據植物光譜特征,在通道558 nm處存在一個反射峰,植物葉片在該波段附近信息相對豐富。綜合波段指數的特征波段選取原理和植物光譜特征,得出波段475,558,680,715,750,800,850 nm是可以獲得馬鈴薯葉片光譜信息的特征波段,即獲得馬鈴薯葉片特征光譜信息的最佳通道是2、5、9、10、11、12和14。

通過真彩色原理,即R、G、B分別賦予紅光、綠光、藍光波段,和標準假彩色即R、G、B分別賦予近紅外、紅光、綠光波段,分別對所提取的特征波段進行彩色合成,合成方案如表3所示。

表2 馬鈴薯葉片各通道的波段指數值Tab.2 Band index of each channel of potato leaves

表3 合成方案Tab.3 Synthetic scheme

為了得到最佳波段組合,綜合考慮3個波段的信息總量及相關性,從表1可以看出相鄰通道9、10、11和通道5、2之間的相關性分別為-0.31、-0.07、-0.01和0.67、0.70、0.77,可見通道9的相關性較小,故選取通道9、5、2組合為最佳波段組合,同理得知標準假彩色方案中通道12、9、5為最佳波段組合。通過ENVI軟件將R、G、B分別賦予通道9、5、2和12、9、5合成假彩色圖像,如圖5所示。

從圖5可以看出,通道9、5、2合成的假彩色圖像與植物的真實顏色十分接近,通道12、9、5合成的假彩色圖像中植物顯示紅色。

圖5 假彩色圖像Fig.5 False color images

3 結 論

提出利用波段指數法提取健康馬鈴薯葉片的特征波段進行假彩色合成并得到最佳波段組合。實驗結果得出通道475,558,680,717,750,800,850 nm是可以獲得馬鈴薯葉片光譜信息的特征波段,能快速獲取馬鈴薯葉片的信息,在此基礎上得出通道9(680 nm)、5(558 nm)、2(475 nm)和通道12(800 nm)、9(680 nm)、5(558 nm)為假彩色最佳波段組合。通道9、5、2合成的假彩色圖像與植物的真實顏色十分接近,由于人眼對彩色比較敏感且分辨能力強,信息豐富的彩色合成圖像對有效進行多光譜數據處理分析及信息提取至關重要。因為植物的輻射量差異在近紅外波段最敏感,通道12、9、5合成的假彩色圖像中植物顯示紅色,紅色植物非常容易和其他地物區分,在遙感植物研究中經常用到。利用波段指數法提取特征波段選取假彩色最佳波段組合,此研究可為后續的圖像特征提取、目標識別等工作提供參考。

[1] 宋英博.光譜診斷馬鈴薯葉片氮素敏感波段的研究[J].中國馬鈴薯,2010,24(3):176-178.

[2] 張小燕,楊炳南,劉威,等.馬鈴薯主要營養成分的近紅外光譜分析[J].食品科學,2013,34(2):165-169.

[3] 徐明珠,李梅,白志鵬,等.馬鈴薯葉片早疫病的高光譜識別研究[J].農機化研究,2016,38(6):205-209.

[4] 楊瑋,SIGRIMIS N,李民贊.基于多光譜圖像分析的溫室黃瓜葉片營養元素檢測與診斷[J].光譜學與光譜分析,2010,30(1):210-213.

[5] 馮潔,廖寧放,趙波,等.多光譜成像技術診斷植物病蟲害的人工神經網絡模型[J].光學技術,2008,34(5):717-720.

[6] 曹鵬飛,李宏寧,羅艷琳,等.基于多光譜成像選取四季豆葉片的特征波段[J].激光與光電子學進展,2014,51(1):011101.

[7] 馮潔,李宏寧,楊衛平,等.園藝作物病害的多光譜組合分類[J].光譜學與光譜分析,2010,30(2):426-429.

[8] 林文鵬,王長耀,儲德平,等.基于光譜特征分析的主要秋季作物類型提取研究[J].農業工程學報,2006,22(9):128-132.

[9] 馮恩國,李淑香.居民地信息提取的最佳假彩色合成方法——以開封市區為例[J].平頂山學院學報,2006,21(2):91-94.

[10] 楊金紅,尹球,顧松山,等.城區高光譜遙感數據假彩色波段組合研究[J].南京氣象學院學報,2005,28(3):289-295.

[11] 張志敏,張天橋,康冬舟,等.遙感圖像多光譜假彩色合成處理及其在環境地學中的應用[J].影像技術,2002(1):33-36.

[12] 姜小光,王長耀,王成.成像光譜數據的光譜信息特點及最佳波段選擇——以北京順義區為例[J].干旱區地理,2000,23(3):214-220.

[13] 吳云霞,史巍,史繼忠.多波段遙感圖像彩色合成處理解析——遙感圖像彩色合成處理教學設計[J].科技視界,2012(29):54-55.

Selectingbestcolorbandcombinationsforpotatoleavesbasedonmulti-spectralimages

LIU Xin, FENG Jie, YANG Shuming

(School of Physics and Electronic Information, Yunnan Normal University, Kunming 650500, China)

In order to identify the potato leaves rapidly,we use a Spectrocam multispectral camera to capture multispectral images of the healthy C-88 potato leaves in visible light and near infrared channels.The characteristics of the leaves are obtained by the band index method,and then color synthesis is carried out based on the principle of true color and false color.Using the above experiments,we obtain the best color band combinations.Experimental results show that extracting the characteristics of the leaves through the band index method and then finishing color synthesis can quickly yield the best color band combinations.The bands 680,558,475 nm and the bands 800,680,558 nm are the best color band combinations.The study provides reliable criteria for the visual interpretation of remote sensing images and the extraction of more effective information.

multispectral image; best color band combinations; potato leaf; band index method

1005－5630（2017）05－0035－06

2016-09-07

國家大學生創新創業訓練計劃(201510681005);云南省科技計劃(2016FB108)

劉 鑫(1993—),女,碩士研究生,主要從事新型光譜成像技術方面的研究。E-mail:lxin_66@126.com

馮 潔(1975—),女,教授,主要從事多光譜成像和顏色科學方面的研究。E-mail:fengjie_ynnu@126.com

O 439

A

10.3969/j.issn.1005-5630.2017.05.006

(編輯:張磊)