基于LCTF成像和ABS算法的小白菜光譜特征波段提取研究

董　明,張　洋,張曉曉,朱嘉瑋,楊衛(wèi)平

(云南師范大學(xué) 物理與電子信息學(xué)院,云南 昆明　650500)

?

基于LCTF成像和ABS算法的小白菜光譜特征波段提取研究

董明,張洋,張曉曉,朱嘉瑋,楊衛(wèi)平

(云南師范大學(xué) 物理與電子信息學(xué)院,云南 昆明650500)

基于液晶可調(diào)濾波器(LCTF)和CMOS組合的多光譜成像系統(tǒng),在435～720 nm波段范圍內(nèi),以每隔5 nm波段對小白菜葉片進(jìn)行灰度值信息的提取,然后求出各個波段的灰度值平均值、標(biāo)準(zhǔn)差以及相關(guān)系數(shù),并采用自適應(yīng)波段選擇法(ABS)提取出小白菜葉片的波段指數(shù),最后通過波段指數(shù)的排序選取出小白菜葉片的有效特征波段。實(shí)驗(yàn)結(jié)果表明,用ABS的特征波段提取的算法,能夠快速有效地獲取小白菜葉片的光譜信息,在445 nm、450 nm、455 nm、680 nm、685 nm、690 nm、695 nm和710 nm波段具有較理想的波段指數(shù)值,有較大的光譜信息量。因此,這些波段可以很好地作為識別小白菜葉片的有效特征信息波段。

液晶可調(diào)濾波器 (LCTF); ABS算法; 特征波段; 小白菜葉片; 波段指數(shù)

引　言

我國是農(nóng)業(yè)大國,大面積種植著各類園藝作物[1],地域廣闊、種類繁多,同時作物的產(chǎn)量和質(zhì)量還會受到病蟲害的影響[2-4]。因而如何快速、有效地對農(nóng)作物進(jìn)行準(zhǔn)確的區(qū)分和識別[5],對我國農(nóng)業(yè)的發(fā)展有著指導(dǎo)性的意義[6]。以往大多數(shù)是通過人眼視覺和主觀經(jīng)驗(yàn),利用已知農(nóng)作物的形狀、顏色等來獲取作物的識別信息,具有較大的主觀性,往往帶來了很大的缺陷和不足,造成大量的錯誤識別等。近年來光譜成像技術(shù)在農(nóng)業(yè)中得到了廣泛應(yīng)用[7],而基于液晶可調(diào)濾波器(liquid crystal tunable filter,LCTF)[8-9]和單色CCD組成的多光譜成像系統(tǒng),可以快速有效地提取作物的圖像光譜信息,具有較高的光譜分辨率和空間分辨率[10],可以較好地對多光譜圖像進(jìn)行數(shù)據(jù)采集[11]。但由于多光譜成像系統(tǒng)具有較多的波段,會使得數(shù)據(jù)的冗余度大,數(shù)據(jù)處理、計算耗時長,造成數(shù)據(jù)處理工作的繁瑣和準(zhǔn)確率的降低。

因此,本研究采用一種基于LCTF光譜成像系統(tǒng)的自適應(yīng)波段選擇(ABS)算法,對我國大部分居民食用的十字花科類蔬菜中具有抗癌、護(hù)眼、攝取維生素作用的小白菜葉片進(jìn)行特征波段的提取,從大量豐富的波譜信息中提取具有代表性的特征波段[12-13],主要用于對小白菜葉片的正確識別、聚類分析[14]和數(shù)據(jù)庫的建立[15]等。這種方法對數(shù)據(jù)的處理達(dá)到了快速、準(zhǔn)確的作用,是一種非接觸、安全、實(shí)用、有效的方法。

1　特征波段提取方法

ABS算法[16]對各個波段之間的空間相關(guān)性和譜間相關(guān)性大小做出了充分的考慮,并構(gòu)造了相應(yīng)的數(shù)學(xué)模型,對已求得的各個波段指數(shù)進(jìn)行從大到小的順序排列,并根據(jù)設(shè)定的閾值自適應(yīng)地選擇所需波段。該數(shù)學(xué)模型中的Indexi指數(shù)表示為:

(1)

式中:Indexi為第i幅圖像的指數(shù)大小;σi為第i個波段的標(biāo)準(zhǔn)差;Ri-1,i為第i個波段與前一個波段的相關(guān)系數(shù);Ri,i+1為第i個波段與后一個波段的相關(guān)系數(shù),相關(guān)系數(shù)越小,兩個波段數(shù)據(jù)之間的獨(dú)立性越高。

(2)

式中:M、N分別為圖像的行、列像素;fi為第i幅圖像;μi為第i幅圖像的像素平均值。

(3)

式中:Ri,j為相關(guān)系數(shù);E{ }為數(shù)學(xué)期望。

ABS算法獲得的波段指數(shù)充分考慮了每幅圖像的信息量與相鄰波段的相似性,Indexi越大,相應(yīng)圖像的信息量就越大,越具有代表性。將ABS算法得到的波段指數(shù)由大到小依次排序,排序靠前的7～8個波段即可作為該算法的有效特征波段。

2　實(shí)驗(yàn)環(huán)境與結(jié)果分析

2.1實(shí)驗(yàn)儀器

本實(shí)驗(yàn)使用美國CRI公司生產(chǎn)的VariSpecTM液晶可調(diào)濾波器,與單色CCD相機(jī)[17]和計算機(jī)控制軟件組成的多光譜成像系統(tǒng),其采集的波段范圍為430～720 nm,帶寬(FWHM)為10 nm,半角可視范圍為7.5°,響應(yīng)時間為50 ms,每間隔5 nm連續(xù)改變光譜透過中心波長,同時將采集到的小白菜葉片和參考白板的灰度圖像傳至計算機(jī)存儲。本實(shí)驗(yàn)采用自行搭建的LCTF光譜成像系統(tǒng),用于采集小白菜葉片的灰度圖像,采用LCTF代替?zhèn)鹘y(tǒng)的機(jī)械濾光片轉(zhuǎn)輪,以實(shí)現(xiàn)快速波段調(diào)諧。圖1為基于LCTF光譜成像系統(tǒng)選取的有效特征波段原理圖。本實(shí)驗(yàn)用于數(shù)據(jù)處理的軟件為Omnic 8.0和MATLAB 2010b軟件。

圖1　基于LCTF光譜成像系統(tǒng)選取有效特征波段的原理圖

2.2實(shí)驗(yàn)樣本

實(shí)驗(yàn)選取廣東省農(nóng)科院的十字花科類-蕓苔屬健康小白菜(品種為“17號白菜”)作為實(shí)驗(yàn)樣本,實(shí)驗(yàn)樣本采集的環(huán)境是在溫室大棚內(nèi)且天氣晴朗無風(fēng),光照強(qiáng)度均勻,平均氣溫為23.5 ℃,平均濕度為68%,小白菜生長時間為20～40 d,葉片成深綠色,葉脈清晰,生長狀況良好。

2.3數(shù)據(jù)采集

新鮮生長的小白菜在特定的光源下和參考白板同時進(jìn)行多光譜成像的圖像采集,在435～720 nm波段范圍內(nèi),每隔5 nm采集一幅灰度圖像,共采集6組,每組58個波段,共計348組數(shù)據(jù)。以波段490 nm處的灰度圖像為例說明選取小白菜葉片和參考白板區(qū)域,如圖2所示。

圖2　小白菜葉片和參考白板選取的區(qū)域

利用C#語言編寫程序,獲取樣本圖像的平均灰度值,在各波段選定的區(qū)域獲取小白菜葉片和參考白板圖像的灰度值。對每個波段樣本的5個不同葉片表面選取1個矩形區(qū)域進(jìn)行灰度值提取,相當(dāng)于對所選取的每一個葉片的特定區(qū)域進(jìn)行了灰度平均,消除了葉片表面亮度不均勻等特征因素的影響。本實(shí)驗(yàn)在暗室內(nèi)進(jìn)行,采用D65光源,由于光源和實(shí)驗(yàn)樣本的影響導(dǎo)致參考白板有個較小的峰值,其他波段是較為理想的平滑曲線,屬正常情況。實(shí)驗(yàn)室光源如圖3所示,參考白板和小白菜葉片選取的區(qū)域的平均灰度值曲線如圖4所示。

圖3　光源

圖4　平均灰度值曲線。

3　實(shí)驗(yàn)結(jié)果與分析

圖5為小白菜葉片在435 nm～720 nm范圍內(nèi)的反射比曲線,由圖可以清晰地看到小白菜葉片的光譜曲線在460 nm、550 nm和680 nm附近存在兩個吸收谷和一個反射峰。從圖中可以得出所采集到小白菜葉片的光譜數(shù)據(jù)符合一般綠色植物的曲線走勢圖,因此本實(shí)驗(yàn)數(shù)據(jù)滿足實(shí)驗(yàn)分析的要求。

圖5　小白菜葉片的反射比曲線

利用ABS算法從實(shí)驗(yàn)中獲取小白菜葉片不同波段的成像光譜數(shù)據(jù)(相關(guān)系數(shù)和標(biāo)準(zhǔn)差),表1給出不同波段區(qū)間具有代表性的部分相關(guān)系數(shù)。在波段465 nm處相對于450 nm、565 nm、710 nm處的相對系數(shù)較小,而在635 nm和465 nm波段的相關(guān)系數(shù)達(dá)到了負(fù)值,其他波段之間的相關(guān)系數(shù)絕對值均在0.014-1.000之間。

表1　小白菜葉片的部分相關(guān)系數(shù)

利用式(1)～(3)計算出小白菜葉片不同波段的Index值,得到表2所示的指數(shù)排序表及圖6所示的Index指數(shù)圖。根據(jù)表2波段指數(shù)大小排序可以得出:在445 nm波段處具有最大的波段指數(shù)值1.355,其次分別是695 nm、680 nm、690 nm、710 nm、450 nm、455 nm和685 nm處。綜合計算,上述波段中所含的光譜信息量較為豐富,故選擇445 nm、450 nm、455 nm、680 nm、685 nm、690 nm、695 nm、710 nm波段作為本實(shí)驗(yàn)中小白菜葉片的整體最優(yōu)特征波段。

表2　小白菜葉片成像光譜數(shù)據(jù)波段指數(shù)排序

圖6　小白菜葉片Index指數(shù)桿狀圖

4　結(jié)　論

本文以健康小白菜葉片的多光譜成像為例,利用ABS算法計算實(shí)驗(yàn)數(shù)據(jù)并討論光譜特征,得出445 nm、450 nm、455 nm、680 nm、685 nm、690 nm、695 nm、710 nm波段能夠更好地反映健康小白菜葉片的特征光譜信息,可以作為小白菜葉片的特征波段。實(shí)驗(yàn)結(jié)果表明,基于LCTF組成的多光譜成像系統(tǒng)和ABS算法為健康小白菜葉片所提取的特征波段,能夠?yàn)檗r(nóng)作物的病蟲害監(jiān)測、識別提供一種新的方法,同時該方法對地物的高光譜遙感識別、探測等也具有參考作用。

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

[2]LUCAS B G,CAMPBELL C L,Lucas L T.Introduction to plant diseases:identification and management[M].US:Springer,1992.

[3]王坤,朱大洲,張東彥,等.成像光譜技術(shù)在農(nóng)作物信息診斷中的研究進(jìn)展[J].光譜學(xué)與光譜分析,2011,31(3):589-594.

[4]劉濤,孫旭東,劉燕德,等.農(nóng)作物品質(zhì)的近紅外光譜無損檢測研究進(jìn)展[J].食品與機(jī)械,2010,26(3):161-166.

[5]劉波,方俊永,劉學(xué),等.基于成像光譜技術(shù)的作物雜草識別研究[J].光譜學(xué)與光譜分析,2010,30(7):1830-1833.

[6]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(nóng)業(yè)工程學(xué)報,2006,22(9):128-132.

[7]范世福.光譜技術(shù)和儀器的新發(fā)展[J].光學(xué)儀器,2000,22(4):35-40.

[8]ZJAKIC I,PARAC-OSTERMAN D,BATES I.New approach to metamerism measurement on halftone color images[J].Measurement,2011,44(8):1441-1447.

[9]杜麗麗,易維寧,張冬英,等.基于LCTF的多光譜面陣CCD相機(jī)的輻射定標(biāo)[J].光譜學(xué)與光譜分析,2011,31(1):272-276.

[10]童慶禧,張兵,鄭蘭芬.高光譜遙感-原理、技術(shù)與應(yīng)用[M].北京:高等教育出版社,2006:40-44.

[11]李珂,張康偉,羅淼.基于LCTF的大幅面高分辨率多光譜儀光學(xué)系統(tǒng)設(shè)計[J].紅外與激光工程,2013,42(3):675-679.

[12]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(xué)院學(xué)報,2007,5(2):63-65.

[13]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(xué),2005.

[14]田方,樊治飛,焦多禮,等.甘肅藥用植物地理分布的聚類分析及分區(qū)[J].甘肅科技,2011,27(6):55-57.

[15]沈光,佟斌,孫波.論植物數(shù)據(jù)庫的建立[J].國土與自然資源研究,2007(1):89-90.

[16]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(jìn)展與分析[J].黑龍江大學(xué)自然科學(xué)學(xué)報,2007,24(5):592-602.

[17]郝學(xué)元,季鑫源,陳家勝.用線陣CCD實(shí)現(xiàn)光譜測試的虛擬儀器[J].光學(xué)儀器,2001,23(3):3-6.

(編輯:劉鐵英)

The research of extracting the characteristic wavebands for pakchoi applying for ABS algorithm based on the LCTF imaging techniques

DONG Ming,ZHANG Yang,ZHANG Xiaoxiao,ZHU Jiawei,YANG Weiping

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

Gray information of pakchoi leaves at the wavelength range of 435～720 nm with an interval of 5 nm are captured by using a multi-spectral imaging system which mainly consists of liquid crystal tunable filter (LCTF) and CMOS camera.Then,the average value,standard deviation and correlation coefficient for the gray value of images are calculated,and it has extracted the waveband index of pakchoi leaves by the way of adaptive band selection (ABS) method. Finally,the effective characteristic wavebands of pakchoi leaves are extracted through the sorting of waveband index.The experimental result shows that ABS algorithm using the extracted feature bands can quickly and efficiently obtain spectral information pakchoi leaves,and there are ideal waveband index values at 445 nm,450 nm,455 nm,680 nm,685 nm,690 nm,695 nm and 710 nm respectively,these wavebands have much discrete degree,rich multispectral information.therefore,these wavebands can be used as effective characteristic wavebands identification for pakchoi leaves.

liquid crystal tunable filter(LCTF); ABS algorithm; feature bands; pakchoi leaves; waveband index

2015-09-11

國家自然科學(xué)基金(61168003、60968001);云南省自然科學(xué)基金(2011FZ079、2009CD047);地方高校國家級大學(xué)創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃(201310681004)

董明(1990—),男,碩士研究生,主要從事多光譜成像技術(shù)方面的研究。E-mail:dm704655044@163.com

楊衛(wèi)平(1958—),男,教授,主要從事多光譜圖像顏色真實(shí)再現(xiàn)等方面的研究。E-mail:yangwpkm@126.com

1005-5630( 2016) 03-0243-05

O439

A

10.3969/j.issn.1005-5630.2016.03.010