陆军工程大学 石家庄校区电子与光学工程系, 河北 石家庄 050003
高光谱数据具有光谱波段多、维度高、数据量庞大的特点, 为了提高高光谱数据的处理速度, 需要进行降维处理, 而波段选择是高光谱降维的基本方法之一。综合考虑, 提出基于高光谱波段选择相关性、信息量及类间可分性的方法。通过虚拟维度确定高光谱图像的本征维数, 并根据波段间的相关系数进行子空间划分; 提出利用基于信息量的离散波段指数, 在各个子空间中计算出最大的波段指数构成子集; 根据类间可分性准则在子空间中选出可分性因子最大的合适波段。利用光谱角匹配选出最适合分类的波段, 组成最后的波段子集, 从而实现波段选择的降维处理。通过实验验证,所提方法与传统的最佳指数和自适应波段选择方法相比, 在一定程度上提高了高光谱图像的分类精度。
高光谱图像 波段选择 子空间划分 离散波段指数 类间可分性因子 hyperspectral image band selection subspace division discrete band index inter-class separability factor
云南师范大学 物理与电子信息学院, 云南 昆明 650500
为了快速目测识别马铃薯叶片,利用Spectrocam多光谱相机获取健康C-88马铃薯叶片的可见光及近红外通道的多光谱图像。采用波段指数法提取叶片的特征波段,通过真彩色原理及标准假彩色对所提取的特征波段进行彩色合成,在此基础上得到最佳彩色波段组合。实验结果表明,用波段指数法提取多光谱图像的特征波段进行彩色合成,能快速获取马铃薯叶片的最佳波段,并得到680,558,475 nm和800,680,558 nm为最佳彩色波段组合,为遥感图像的目视解译和更多有效信息的提取提供了可靠依据。
多光谱图像 最佳彩色波段组合 马铃薯叶片 波段指数法 multispectral image best color band combinations potato leaf band index method
为了去除高光谱影像的数据冗余, 提高高光谱影像处理的精度和效率, 提出了一种基于波段指数的高光谱影像波段选择算法。采用小波变换对高光谱图像数据进行去噪处理, 依据联合偏度-峰度指数将波段进行分组, 再根据波段指数的大小确定相对较小指数的波段, 并将其作为冗余波段进行去除, 从而得到最小波段集。结果表明, 利用该波段集和全波段所选的端元是一致的, 在不影响端元提取的前提下, 最大程度地去除了冗余波段, 而且该波段集与全波段的分类精度较接近。该算法在波段选择过程中具有可行性与有效性, 为降低高光谱影像维数提供了一种帮助。
图像处理 波段选择 最小波段集 联合偏度-峰度指数 波段指数 image processing band selection the set of the minimum bands joint skewness-kurtosis figure band index
云南师范大学 物理与电子信息学院, 云南 昆明650500
利用Spectrocam多光谱相机获取C-88马铃薯健康叶片和患晚疫病叶片的可见光及近红外通道的多光谱图像。综合考虑多光谱图像各通道间的相关性及其信息量,采用波段指数法选取两种叶片的特征波段,并通过欧氏距离聚类方法对所提取的特征波段进行分类。实验结果表明,用波段指数法提取多光谱图像的特征波段,能快速获得马铃薯叶片的信息,475 nm、558 nm、717 nm、750 nm、850 nm作为马铃薯健康叶片的特征波段,马铃薯患晚疫病叶片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。采用欧氏距离法对健康和患病叶片进行识别,其识别率分别可达92.6%和92.8%。因此利用多光谱成像技术可以进行马铃薯病害的快速、准确识别,为实现马铃薯病害的田间实时在线监测提供了参考。
多光谱 马铃薯叶片 特征波段 晚疫病 波段指数法 multispectral the potato leaf characteristics of band late blight disease band index method
云南师范大学 物理与电子信息学院,云南 昆明 650500
基于液晶可调滤波器(LCTF)和CMOS组合的多光谱成像系统,在435~720 nm波段范围内,以每隔5 nm波段对小白菜叶片进行灰度值信息的提取,然后求出各个波段的灰度值平均值、标准差以及相关系数,并采用自适应波段选择法(ABS)提取出小白菜叶片的波段指数,最后通过波段指数的排序选取出小白菜叶片的有效特征波段。实验结果表明,用ABS的特征波段提取的算法,能够快速有效地获取小白菜叶片的光谱信息,在445 nm、450 nm、455 nm、680 nm、685 nm、690 nm、695 nm和710 nm波段具有较理想的波段指数值,有较大的光谱信息量。因此,这些波段可以很好地作为识别小白菜叶片的有效特征信息波段。
液晶可调滤波器 (LCTF) ABS算法 特征波段 小白菜叶片 波段指数 liquid crystal tunable filter(LCTF) ABS algorithm feature bands pakchoi leaves waveband index
1 中国石油大学(华东) 地球科学学院， 山东 青岛 266580
2 青岛农业大学 理学与信息科学学院， 山东 青岛 266109
3 青岛出入境检验检疫局, 山东 青岛 266001
为利用不同油种的发光特性来探测海洋溢油，通过高光谱成像仪，在两种照明模式下采集了6种溢油油种的高光谱图像。基于33个波段构建了波段均值、波段差、波段比和归一化波段比4个辐射指数，提出了基于Fisher和PCA的模型共识的溢油高光谱特征选择方法，采用RBF-SVM模型对油种进行识别。比较发现，本文构建的基于光源混合、波段运算和模型共识的多模式融合方法，从不同侧面提高了模型的溢油识别能力，识别率达到了99.1%以上，比单一方法提高了10%以上。结果表明，多模式融合有效提高了海洋溢油的识别率。
高光谱成像 光源融合 波段指数 模型共识 油种识别 hyper-spectral imaging light fusions band index model consensus oil identification.
云南师范大学 物理与电子信息学院,云南 昆明650500
为了获取水稻光谱的有效特征信息,选取健康的TN1#水稻幼苗为研究对象,利用由液晶可调谐滤波器、单色CMOS相机与计算机控制软件组成的多光谱图像采集系统,获取健康水稻幼苗的20个可见光通道的多光谱图像。在此基础上,采用多光谱图像的平均灰度值,通过波段选择的指数方法计算出各通道的波段指数并加以排序,选出波段指数较大的10个通道,目的是探讨能有效反映出水稻特征光谱信息的特征波段。实验结果表明,用波段选择的指数方法提取多光谱图像的特征波段,能快速获取水稻的叶片信息。通道475 nm、500 nm、530 nm、545 nm、550 nm、520 nm、560 nm、630 nm、660 nm、720 nm能更好地反映出水稻特征光谱信息,可作为水稻的有效特征信息通道。
光谱成像技术 特征提取 波段指数 液晶可调谐滤波器 水稻 spectral imaging technology feature extraction band index liquid crystal tunable filter rice
云南师范大学 物理与电子信息学院, 云南 昆明 650500
从大量的成像光谱数据中选择出有效的特征波段, 用于对园艺作物的特征进行快速识别和分类。基于LCTF(liquid crystal tunable filter)成像的优点在于能够连续改变光谱透过中心波长。首先实验选取园艺作物——萝卜叶片为研究对象, 获取萝卜叶片表面每隔5nm各波段图像的灰度信息；然后求出各波段的灰度值标准差和相关系数；最后通过波段指数排序选取萝卜叶片的有效特征波段。实验结果表明, 在530nm、550nm、535nm、555nm和715nm波段具有较理想的波段指数值, 这些波段离散度大, 信息量丰富且波段间相关系数小, 因此这些波段是识别萝卜叶片的有效特征波段。
光谱学 萝卜叶片 特征波段 波段指数 spectroscopy LCTF LCTF CCD CCD radish leaves characteristic waveband waveband index
