高光譜數據降維對馬鈴薯分類的影響

王麗艷+薛河儒+王洪南

摘要：高光譜儀器采集光譜數據的波長范圍大、波段數據多。如果將這些波段作為模型的輸入，數據量大、計算太復雜，必然會影響建模的速度，因此有必要采取合適的算法對高光譜圖像的光譜數據進行降維處理。采用主成分分析（principal component analysis，簡稱PCA）、逐步判別分析、連續投影（successive projections algorithm，簡稱SPA）方法對馬鈴薯的光譜數據進行降維處理。主成分分析選出8個特征波段，逐步判別分析選出8個特征波段，連續投影法選出6個特征波段。將降維后的特征波段作為輸入，分別建立支持向量機（support vector machine，簡稱SVM）模型，這3種降維方法的識別準確率均為100%，由于連續投影法選擇的波段數少，所以連續投影法是一種較好的降維方法。

關鍵詞：高光譜數據降維；馬鈴薯；主成分分析；逐步判別；連續投影

中圖分類號： TP391.4 文獻標志碼： A 文章編號：1002-1302（2017）18-0229-04

收稿日期：2016-04-06

基金項目：國家自然科學基金（編號：61461041）。

作者簡介：王麗艷（1987—），女，內蒙古通遼人，碩士，主要從事模式識別與圖像處理研究。E-mail：1515128328@qq.com。

通信作者：薛河儒，博士，教授，主要從事模式識別與圖像處理研究。E-mail：xuehr@imau.edu.cn。 目前，高光譜成像技術廣泛應用在無損檢測領域，高光譜圖像集合了圖像信息和光譜信息，圖像信息可以反映樣本外部品質的一些特征[1]；光譜信息則反映樣品內部品質，根據內部不同成分對光譜的吸收不同來檢測樣本物理結構、化學成分，有一舉兩得的作用，但是光譜信息數據量大，影響建模速度[2]。本試驗采用的光譜儀測量的波長范圍為380～1 000 nm，光譜分辨率為4.8 nm，平均間隔0.8 nm，采集的馬鈴薯高光譜圖片為388像素×1 004像素，總共有750個波段，即使將6個波段混在一起，也要125個波段。將125個數據作為模型的輸入，數據量大、計算復雜，必然會影響建模的速度和精度。因此，有必要采取合適的算法對高維數據進行降維處理，將高維數據映射到低維數據，提取特征波段，對高光譜圖像及數據進行快速處理具有重要意義[3-4]。

目前，光譜數據降維已成為高光譜研究領域的熱點。丁玲等采用全局等距特征映射（isometric feature mapping，簡稱ISOMAP）算法[5]，對高光譜遙感數據進行非線性降維，使數據具有較好的壓縮性，具有良好的降維效果，提高了分類的精度；臧卓等利用主成分分析法對喬木樹種進行高光譜數據降維，并使用不同的分類方法對降維后的數據進行分類發現，主成分的個數對分類結果影響比較明顯[6-7]。近鄰保持嵌入模型雖然可以實現簡單、快速、非線性的降維，但是性能嚴重依賴于所選取的距離度測量度[8]，陳新忠等提出一種加權近鄰保持嵌入的一種降維方法，改進了這一算法[9]。目前，關于數據降維對馬鈴薯分類影響的研究較少，因此本研究采用主成分分析[7]、逐步判別、連續投影方法對馬鈴薯的光譜數據進行降維處理，將降維后的數據作為輸入，建立支持向量機種類鑒別模型，實現對費烏瑞它、克新、大西洋等3種馬鈴薯的種類鑒別。

1 材料與方法

1.1 儀器設備

試驗采用基于高光譜圖像采集系統，由高光譜成像光譜儀[HyperSpec VNIR（380～1 000 nm）]、高精度掃描云臺（Hyperspec Pan&Tilt）、光纖鹵素燈系統（PHOTO LIGHT-1 000 W）等部件組成。光譜儀測量的光譜范圍是380～1 000 nm，光譜分辨率為4.8 nm，平均間隔0.8 nm。光譜數據分析采用ENVI[國際電話電報公司（Internatinal Telephone and Telegraph Corporation，簡稱ITT，美國）]軟件和Matlab 2011b（MathWorks，內蒂克，美國）來完成。

1.2 樣本來源與圖像獲取

試驗選用武川黃馬鈴薯的3個品種（圖1）：大西洋、費烏瑞它、克新，選取大小、形狀均勻一致的馬鈴薯各50個，其中每個品種30個作為校正集，20個作為預測集。

高光譜圖像在采集過程中，因攝像頭傳感器中存在暗電流以及各波段下的光源強度分布不均勻，會使高光譜圖像數據存在較大噪聲，不同波長下的圖像亮度值也存在較大差異[10]。因此，在數據分析前，須對高光譜圖像進行標定，標定過程為在設定的圖像采集參數條件下，采集標準白色校正板的標定圖像（W）；隨后蓋上鏡頭蓋，采集全黑的標定圖像（B）；再按公式（1）對高光譜圖像數據進行標定校正，將采集的絕對圖像（I）轉換成相對圖像（R）。

R=I-BW-B。

1.3 光譜數據提取及預處理

利用ENVI軟件提取其中3個光線均勻的感興趣區域，每個感興趣區域要選擇光線均勻的部位，并且越大越好，然后計算3個感興趣區域的平均反射率，得到的馬鈴薯平均反射光譜（圖2），采用Matlab 2011b軟件，對3類馬鈴薯的光譜曲線進行多元散射校正（muliplicative scatter correction，簡稱MSC）預處理[11]（圖3）。

2 結果與分析

利用Matlab 2011b和SAS軟件對光譜數據，采用主成分分析、逐步判別、連續投影3種方法進行降維處理。

2.1 主成分分析

通過主成分分析對高光譜數據進行降維[7]，累計方差貢獻率大于85%的作為主成分，每個主成分都是由原始的各個波長下的圖像的線性組合[12]。

PCk表示第K個主成分；αi表示第i個波段的權重系數；Ii表示第i個波段的原始圖像。第一主成分的貢獻率已經達到85%以上，根據第一主成分各波段的權重系數，選出絕對值最大的權重系數所對應的波段作為特征波段。本試驗發現8個特征波段（530.1、621.3、678.9、683.7、799.0、803.8、endprint

875.5、943.0 nm），各波段的主成分載荷如圖4所示。

2.2 SAS逐步判別

利用SAS軟件進行逐步判別，基本思想為每次引入1個

變量，將其視為“最重要”的變量，同時檢測先前引入的變量，如果由于新變量引入使先前的變量的判別能力下降，則將其先前的變量從判別式中剔除，直到判別式中的變量都很顯著，逐步篩選結束。逐步判別就是不斷檢驗篩選進來的變量，找出顯著變量，剔除不顯著變量。利用SAS中STEPDISC過程篩選出對數據的判別具有顯著影響的變量。STEPDISC過程的基本語法格式為（1）PROC STEPDISC選項；（2）CLASS分類變量；（3）VAR指標變量，其中PROC語句為必需語句，用于指定分析的過程為STEPDISC逐步判別分析過程。在選項中當引入變量顯著水平P為0.000 1，剔除變量的顯著水平P為0.01時引入的變量時，達到最大的降維限度。

圖5中各變量為x2、x21、x78、x83、x96、x97、x112、x119，對應的波段分別為405.3、496.5、770.2、794.2、856.6、861.4、9334、967.0 mm。

2.3 連續投影

連續投影法能有效解決波長變量之間的共線性問題[13]，選擇出冗余信息較少的波長。本試驗選擇6個特征波段。由圖6可知，選出的特征波段變量為x2、x11、x57、x62、x66、x86，它們所對應的波段為405.3、448.5、669.3、693.3、712.5、808.6 nm。

2.4 建立支持向量機種類鑒別模型

支持向量機在解決小樣本、非線性識別中表現出許多特有的優勢。將SVM引入到光譜分析中建立定量或定性模型時常采用徑向基核函數（radial basis function，簡稱RBF），即某種沿徑向對稱的標量函數。通常定義為空間任意一點到中心之間的歐式距離的單調函數。徑向基核函數能實現非線性映射，可以處理系統內難以解析的規律性，具有良好的泛化能力，有很快的學習收斂速度，而且參數較少、計算范圍也較小[14]。目前已廣泛應用在非線性函數逼近、時間序列分析、模式識別、圖像處理、信息處理等[15]。

選用RBF作為核函數需要考慮2個重要參數：懲罰參數c、核參數g。SVM分類模型的精度取決于這2個參數的組合，通常采用交叉驗證方法提高預測精度。采用網絡搜索來找到較好的1組，先初步設定大的搜索范圍，再減小搜索范圍，減小步長，找到更優的參數組合，并且提高模型的推廣能力。K重交叉驗證是SVM中常用的交叉驗證方法，因為參數的選擇并沒有一定的先驗知識，必須做某種類型的模型選擇（參數搜索）。目的是確定好的（c、g）使分類器能正確地預測未知數據，它是將原始數據隨機分成K個模型，用這K個模型最終驗證集的分類準確率的平均數作為K-CV下分類器的性能指標。K-CV可以有效避免過學習及欠學習狀態的發生，最后得到的結果也具有說服力。

本試驗采用K-交叉驗證（cross-validation，簡稱CV）的辦法得到最佳參數，初步搜索的范圍c=[2-10，…，210]，g=[2-10，…，210]，K=3，CV=100。該搜索范圍內的得到最佳參數c=1 024，g=1 024。SVM模型得到準確率為100%，鑒別結果如圖7所示。由圖7可知，3種降維方法都可以將3種馬鈴薯準確分類。

3 結論

高光譜儀器采集光譜數據的波長范圍較大、波段數較多。如果將這些波段作為模型的輸入，數據量太大、數據冗余、計算太復雜，必然會影響建模的速度和精度。本研究采用主成分分析、逐步判別分析、連續投影等方法對馬鈴薯的光譜數據進行降維處理，主成分分析選出8個特征波段，逐步判別分析選出8個特征波段，連續投影法選出6個特征波段。將降維后的數據分別作為輸入，建立支持向量機數學模型，識別準確率為100%。3種降維方法中，連續投影法能有效解決波長變量之間的共線性問題，選擇出冗余信息較少的波長，自由選擇波段個數，并實現對馬鈴薯的準確分類，所以連續投影法可以作為光譜數據降維常用的一種方法。

由于本試驗只是分別針對大西洋、費烏瑞它、克新等3種馬鈴薯進行的分類，并且3種馬鈴薯的光譜形狀差距較大，使降維比較容易，因此今后要將更多的品種考慮進來，提高降維的準確度，使模型更加穩定。

參考文獻：

[1]臧 卓，林 輝，孫 華，等. 南方主要針葉樹種高光譜數據降維分類研究[J]. 中南林業科技大學學報，2010，30（11）：20-25.

[2]朱 艷，劉曉莉，楊哲海. 高光譜數據的降維及Tabu搜索算法的應用[J]. 測繪科學技術學報，2007，24（1）：22-25，29.

[3]高 陽. 高光譜數據降維算法研究[D]. 徐州：中國礦業大學，2013.

[4]柳萍萍，林 輝，孫 華，等. 高光譜數據的降維處理方法研究[J]. 中南林業科技大學學報，2011，31（11）：34-38.

[5]丁 玲，唐 娉，李宏益. 基于ISOMAP的高光譜遙感數據的降維與分類[J]. 紅外與激光工程，2013，42（10）：2707-2711.

[6]臧 卓. 南方主要喬木樹種高光譜數據降維組合分類算法研究[D]. 長沙：中南大學，2013.

[7]臧 卓，林 輝，楊敏華. 利用PCA算法進行喬木樹種高光譜數據降維與分類[J]. 測繪科學，2014，39（2）：146-149.

[8]李 娜，趙慧潔，賈國瑞. 因子分析模型的高光譜數據降維方法[J]. 中國圖象圖形學報，2011，16（11）：2030-2035.

[9]陳新忠，胡匯涓，王雪松. 基于加權近鄰保持嵌入的高光譜數據降維方法[J]. 中國礦業大學學報，2013，42（6）：1066-1072.

[10]孫墨寒. 高光譜數據誤差估計及降維方法研究[D]. 北京：中國地質大學，2013.

[11]楊珺雯，張錦水，朱秀芳，等. 隨機森林在高光譜遙感數據中降維與分類的應用[J]. 北京師范大學學報（自然科學版），2015，51（增刊1）：82-88.

[12]臧 卓，林 輝，楊敏華. ICA與PCA在高光譜數據降維分類中的對比研究[J]. 中南林業科技大學學報，2011，31（11）：18-22.

[13]高 陽，王雪松，程玉虎，等. 基于非負稀疏嵌入投影的高光譜數據降維方法[J]. 中國礦業大學學報，2012，41（6）：1010-1017.

[14]臧 卓，林 輝，楊敏華. 基于PSO-SVM的高光譜數據降維的可靠性研究[J]. 中國農學通報，2011，27（31）：47-52.

[15]金鵬磊. 空譜聯合高光譜數據降維與分類方法研究[D]. 西安：西安電子科技大學，2014.付煥森，王郭全，夏華鳳，等. 農產品保鮮冷庫的PLC控制與關鍵技術研究[J]. 江蘇農業科學，2017，45（18）：233-236.endprint