CN103308466B - 便携式滤光片色轮型多光谱成像***及其光谱图像处理方法 - Google Patents

Abstract

本发明属光谱成像技术领域，尤其涉及一种便携式滤光片色轮型多光谱成像***及其光谱图像处理方法，包括成像仪镜头（1）、滤光片色轮（2）、步进电机（3）、滤光片组（4）、黑白图像传感器CCD（5）、控制模块（7）及光谱图像处理分析模块；控制模块（7）的信号传输端口分别与步进电机（3）、黑白图像传感器CCD（5）及光谱图像处理分析模块的信号传输端口相接。本发明光谱图像处理方法包括（1）多波段图像融合为一个多光谱图像文件；（2）类别定义；（3）选择训练样本及类别分类；（4）光谱特征的选择；（5）光谱特征的提取；（6）光谱反射率重建。本发明***结构紧凑，成本低廉，方便携带，可用于户外测量，适用范围广泛。

Description

便携式滤光片色轮型多光谱成像***及其光谱图像处理方法

技术领域

本发明属光谱成像技术领域，尤其涉及一种便携式滤光片色轮型多光谱成像***及其光谱图像处理方法。

背景技术

光谱成像技术是光谱分析技术和图像分析技术完美结合的产物，不仅具有光谱分辨能力，还有图像分辨能力，可以对被测物体进行定性、定量和定位分析，利用物体表面成分的光谱差异，可以实现对目标的精确识别和定位。

多光谱成像技术是光谱成像技术其中的一种，光谱分辨率达到λ/10数量级，主要由光谱分光***、成像***和光谱处理分析软件构成。关键部件分光***的分光方式有以下几种：1.色散型，采用棱镜或光栅分光原件。2.傅立叶变换型，利用光谱像元干涉图与光谱图之间的傅里叶变换关系，通过测量干涉图和对干涉图进行傅立叶变换来获得物体的光谱信息。3.滤光片型，通过光学带通滤光片使来自场景光谱的一个窄波段透射到单个探测器或者整个焦平面探测器阵列上以进行光谱成像。以上几种分光方式各有利弊，但以光学干涉滤光片为分光滤光方式的色轮型多光谱成像***结构简单，成本较低，容易实现，在农产品检测、食品安全检测等领域有着广泛应用。

发明内容

本发明旨在克服现有技术的不足之处而提供一种结构紧凑，成本低廉，方便携带，可用于户外测量，适用范围广泛的便携式滤光片色轮型多光谱成像***。

本发明还提供一种与上述便携式滤光片色轮型多光谱成像***配套的光谱图像处理方法。

为解决上述技术问题，本发明是这样实现的。

便携式滤光片色轮型多光谱成像***，它包括成像仪镜头、滤光片色轮、步进电机、滤光片组、黑白图像传感器CCD、控制模块及光谱图像处理分析模块；所述滤光片色轮位于成像仪镜头与黑白图像传感器CCD之间；所述滤光片组固定设于滤光片色轮之上，其将被测物体反射光谱进行逐波段过滤，经所述黑白图像传感器CCD成像后，形成不同波段的光谱图像；所述步进电机的动力输出轴将旋转动力传输至滤光片色轮；所述控制模块的信号传输端口分别与步进电机、黑白图像传感器CCD及光谱图像处理分析模块的信号传输端口相接。

作为一种优选方案，本发明所述黑白图像传感器CCD内置有A/D转换卡，以使各波段光谱信号转换为数字电信号。

进一步地，本发明所述滤光片色轮包括Q个相同直径的圆孔通道；所述滤光片组固定嵌于圆孔通道中。

进一步地，本发明所述黑白图像传感器CCD可采用USB2.0接口。

上述便携式滤光片色轮型多光谱成像***的光谱图像处理方法，可按如下步骤实施。

（1）多波段图像融合为一个多光谱图像文件。

（2）类别定义。

（3）选择训练样本及类别分类。

（4）光谱特征的选择。

（5）光谱特征的提取。

（6）光谱反射率重建。

作为一种优选方案，本发明所述步骤（1）中，被测物体反射光经多个滤光片滤光形成与滤光片波段一一对应的多个波段的灰度图像，使用图像逻辑链接方法将多个波段灰度图像融合为一个多光谱图像文件。

作为另一种优选方案，本发明所述步骤（2）中，根据应用目的、图像数据特性以及所期望的检测对象在图像中的特征分布，对所述多光谱图像文件进行判定，确定图像中所包含的物质类别并进行定义。

进一步地，本发明所述步骤（4）中，使用巴氏距离B以及分类错误概率上界ε_ij最小的判定准则，对各个类别进行两两组合配对，分别计算各类对的巴氏距离，选择使错误概率上界之和ε_m最小的特征组合作为新的最优特征子集。

更进一步地，本发明所述步骤（5）中，将原始的特征空间投影到一个低维并优化后的新特征空间内进行处理。

更进一步地，本发明所述步骤（6）中，利用灰度转换为反射率，获得被测类别的反射率，以对其物理性质进行判断。

本发明***结构紧凑，成本低廉，方便携带，可用于户外测量，适用范围广泛，在农产品检测、食品安全检测等领域有着广泛应用。

附图说明

下面结合附图和具体实施方式对本发明作进一步说明。本发明的保护范围不仅局限于下列内容的表述。

图1为本发明***工作原理图；

图2为本发明***整体结构示意图；

图3为本发明滤光片色轮结构示意图；

图4为本发明控制模块原理示意图；

图5为本发明光谱图像处理分析程序流程示意图。

图中：1、成像仪镜头；2、滤光片色轮；3、步进电机；4、滤光片组；5、黑白图像传感器CCD；6、A/D转换卡；7、控制模块；8、被检测物体；9、单波段光谱图像信号；10、图像数据处理结果。

具体实施方式

如图所示，便携式滤光片色轮型多光谱成像***，它包括成像仪镜头1、滤光片色轮2、步进电机3、滤光片组4、黑白图像传感器CCD5、控制模块7及光谱图像处理分析模块；所述滤光片色轮2位于成像仪镜头1与黑白图像传感器CCD5之间；所述滤光片组4固定设于滤光片色轮2之上，其将被测物体反射光谱进行逐波段过滤，经所述黑白图像传感器CCD5成像后，形成不同波段的光谱图像；所述步进电机3的动力输出轴将旋转动力传输至滤光片色轮2；所述控制模块7的信号传输端口分别与步进电机3、黑白图像传感器CCD5及光谱图像处理分析模块的信号传输端口相接。

本发明所述黑白图像传感器CCD5内置有A/D转换卡6，以使各波段光谱信号转换为数字电信号。

参见图3所示，本发明所述滤光片色轮2包括Q个相同直径的圆孔通道；所述滤光片组4固定嵌于圆孔通道中。

本发明所述黑白图像传感器CCD5可采用USB2.0接口。

一种便携式滤光片色轮型多光谱成像***的光谱图像处理方法，可按如下步骤实施。

（1）多波段图像融合为一个多光谱图像文件。

（2）类别定义。

（3）选择训练样本及类别分类。

（4）光谱特征的选择。

（5）光谱特征的提取。

（6）光谱反射率重建。

本发明所述步骤（1）中，被测物体反射光经多个滤光片滤光形成与滤光片波段一一对应的多个波段的灰度图像，使用图像逻辑链接方法将多个波段灰度图像融合为一个多光谱图像文件。

本发明所述步骤（2）中，根据应用目的、图像数据特性以及所期望的检测对象在图像中的特征分布，对所述多光谱图像文件进行判定，确定图像中所包含的物质类别并进行定义。

本发明所述步骤（4）中，使用巴氏距离B以及分类错误概率上界ε_ij最小的判定准则，对各个类别进行两两组合配对，分别计算各类对的巴氏距离，选择使错误概率上界之和ε_m最小的特征组合作为新的最优特征子集。

本发明所述步骤（5）中，将原始的特征空间投影到一个低维并优化后的新特征空间内进行处理。

本发明所述步骤（6）中，利用灰度转换为反射率，获得被测类别的反射率，以对其物理性质进行判断。

本发明***包括成像***、滤光片色轮分光滤光***、电控***及光谱图像处理分析***四部分。

1、成像***

本发明成像***包括成像仪镜头1、黑白图像传感器CCD5。所述黑白图像传感器CCD5内置有A/D转换卡，用于将投射至传感器的各波段光谱信号转换为数字电信号，产生多通道光谱图像。

本发明所述成像仪镜头是百万像素手动变焦镜头，采用超低失真设计，低畸变率，具有多种光学校正方式并且具有调整后的锁定装置。

本发明所述黑白图像传感器CCD5采用USB2.0接口，数字面阵逐行扫描成像方式。

2、滤光片色轮分光滤光***

本发明滤光片色轮分光滤光***包括滤光片色轮2及步进电机3。所述滤光片色轮2位于所述成像仪镜头1和所述黑白图像传感器CCD5之间，通过固定装置保证其与成像光路的垂直度，其滤光片组可将经所述成像仪镜头1聚焦的被测物体反射光谱进行逐波段过滤，形成单波段光谱，后经所述黑白图像传感器CCD5成像，形成若干个波段光谱图像。

所述滤光片色轮有若干个相同直径的圆孔通道，厚度一致且不同波段的滤光片通过外螺纹固定扣固定在所述圆孔通道中，以保证其与成像光路的垂直度以及所有滤光片的共面性，轮中心具有可供步进电机中心转轴固定的锁定装置。

所述步进电机3是为所述滤光片色轮提供旋转动力并用于滤光片位置选择的机械部件，位于所述滤光片色轮后方，所述黑白图像传感器CCD5之上。

3、电控***

本发明电控***包括用于控制所述步进电机旋转角度、旋转速度的电子控制单元、用于对所述黑白图像传感器CCD进行曝光控制、采集速度控制的驱动单元、用于传感器输出电信号的处理和记录程序。

4、光谱图像处理分析***

本发明光谱图像处理分析***包括光谱图像处理分析程序、用于反射率标定的标准反射板以及用于反射率光谱采集的光谱仪。

本发明所述光谱图像处理分析程序具有对原始光谱图像进行多波段图像融合为一个多光谱图像文件；类别定义；选择训练样本及类别分类；光谱特征的选择；光谱特征的提取；光谱反射率重建；彩色处理等图像处理功能。

本发明所述标准反射板是一个集成多个不同反射率系数的标定板，用于反射率定标。

本发明所述光谱仪用于采集所述标准反射板的反射率，结合经处理分析后的标准板图像灰度值，建立反射率重建数学模型。

如图1所示，在日光条件下，被检测物体8的反射光经本发明***采集，形成若干个单波段光谱图像信号9，后经所述光谱图像处理分析***处理分析，形成被检测物体的多光谱图像10。

如图1所示，在日光条件下，被检测物体8反射光进入滤光片色轮多光谱成像***，反射光谱经图2中所述成像仪镜头汇聚成像，经过所述同轴滤光片滤波后以单波段光谱形式照射在所述黑白图像传感器CCD5上，经过光电响应产生电信号，每个像素的电荷生成与当前入射光水平成比例，因此所有像素的共同作用就可构成一个连续图像的空间代表。电子电荷以有序的方式转移至输出放大器，后通过所述传感器CCD5内置A/D转换卡转换成数字信号传输至便携式计算机。经过所述光谱图像处理分析***对所述若干个单波段原始光谱图像进行一系列光谱图像处理分析后，形成所述被测物体的多光谱图像。

本发明滤光片色轮分光滤光***包括滤光片色轮及步进电机。如图3所示，在滤光片色轮上包括若干个相同直径的圆孔通道，在圆孔通道内安装且固定着与成像光路相垂直的同厚度滤光片，这些波长可选的滤光片允许不同波长范围的光通过相应的滤光片。当然，也可以按其它数目的滤光片来安装。所述滤光片为物质特征光谱分析提供合适波长范围的光谱。

步进电机3由控制模块控制，是给滤光片色轮提供旋转动力并用于滤光片位置选择的机械部件。当步进电机3带动色轮转动时，控制模块将发脉冲指令给电机驱动器，控制其转动速度以及转动角度。当滤光片组按预设程序运动至成像光轴时，滤光片组就对入射光谱进行滤光作用，选定光波则通过滤光片照射在黑白图像传感器CCD5上。通过步进电机3带动滤光片色轮连续转动，并且转速、转角程序设置与黑白图像传感器CCD5曝光响应协调工作，黑白图像传感器CCD5就会产生多个通道的光谱图像。

对原始光谱图像进行图像处理方法有很多种，因都属于背景技术范畴，可在相关书籍中找到详细描述，在此不逐项展开说明，只介绍本发明所采用的图像处理方法，如图4所示。

（1）多波段图像融合为一个多光谱图像文件

被测物体反射光经多个滤光片滤光形成与滤光片波段一一对应的多个波段的灰度图像，使用图像逻辑链接技术将多个波段灰度图像融合为一个新的图像文件，这个图像文件包含了所述多个波段以及多个波段灰度图像的全部图像信息，是一个多光谱图像文件，也是多光谱图像处理分析的主要对象。

（2）类别定义

根据应用目的、图像数据特性以及所期望的检测对象在图像中的特征分布，对所述多光谱图像进行仔细的观察和判定，确定图像中所包含的物质类别并进行定义，形成S个类别，用ω₁,ω₂,...,ω_s来表示。

（3）选择训练样本及类别分类

训练样本是具有代表性的典型地物数据，足够数目的训练样本及其代表性对于光谱图像分类至关重要。根据已掌握的上述各类别图像分布，在图像上选择训练区域，并计算各训练区域类别数据向量的均值m₁,m₂,...,m_s和协方差矩阵Σ₁,Σ₂,...Σ_s，得到各类样本对应的正态分布密度函数：

$p\left(x\right|{\mathrm{\ω}}_s)={\left(2\mathrm{\π}\right)}^{-N/2}\left|{\mathrm{\Σ}}_s{|}^{-1/2}\exp \right[-\frac{1}{2}{(x-m_s)}^T{\mathrm{\Σ}}_s^{-1}(x-m_s)],$

N为波段数目，x为像元。

根据最大似然分类的原理，即在得到各类样本的分布模型后，对于训练区域以外的未知类别的数据向量逐个逐类代入贝叶斯公式计算其属于各个类别的概率大小，比较这些概率，属于哪一类的概率大，就把该数据向量或者像元归到这一类中，则完成对所述多光谱图像的类别分类。

（4）光谱特征的选择

在完成对多光谱图像的类别分类后，针对特定的检测类别采取进一步的处理分析，用较少的综合变量代替原来很多的波段信息，保障处理结果的精度和提高数据处理的效率。从众多的波段中挑选感兴趣的若干波段进行组合，形成一个低维的子集，该子集包括被测类别的主要特征光谱，并且能够最大限度地区别于其他他物。为能够选出最优的特征子集，使用巴氏距离B以及分类错误概率上界ε_ij最小的判定准则，对各个类别进行两两组合配对，分别计算各类对的巴氏距离，选择使错误概率上界之和ε_m最小的特征组合作为新的最优特征子集，该子集对于被测类别具有最大限度区别于他物的能力，从而起到了数据降维的作用，提高了数据处理的效率。

$B={\mathrm{\μ}}_{\mathrm{ij}}\left(\frac{1}{2}\right)=\frac{1}{8}{(M_i-M_j)}^T[\frac{{\mathrm{\Σ}}_i+{\mathrm{\Σ}}_j}{2}{]}^{-1}(M_i-M_j)+\frac{1}{2}1n\frac{\left|\frac{{\mathrm{\Σ}}_i+{\mathrm{\Σ}}_j}{2}\right|}{\sqrt{\left|{\mathrm{\Σ}}_i\right|\left|{\mathrm{\Σ}}_j\right|}}$

${\mathrm{\ϵ}}_{\mathrm{ij}}=\frac{1}{2}\exp [-{\mathrm{\μ}}_{\mathrm{ij}}(1/2)],$

${\mathrm{\ϵ}}_m={\underset{i>j}{\overset{L}{\mathrm{\Σ}}}\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{\mathrm{ij}}}_{,}$

Min(ε_m)，

其中M_i,M_j为类别i,j的均值向量，Σ_i,Σ_j为类别i,j的协方差矩阵，L为类数。

（5）光谱特征的提取

同样地，相对于光谱特征选择，光谱特征提取也是对光谱特征空间的降维过程，它将原始的特征空间投影到一个低维并优化后的新特征空间内进行处理分析，从而提高数据处理效率。以分类目标为准则，使转换后类内样本分布得到集聚，而类间距离相对拉开，即保证类间距离与类内距离的比值达到最大。

利用类别样本求出类内协方差矩阵

再求样本的类间协方差矩阵：

Σ_A=E[(m_i-m₀)(m_i-m₀)^T]，

根据变换后，应当保证最大的类间方差和最小的类内方差，组建特征方程：

(Σ_A-λΣ_w)d=0，

这等效于求特征值，即

${\mathrm{\Σ}}_w^{-1}{\mathrm{\Σ}}_{A}d=\mathrm{\λd},$

可以看出，d是矩阵对应于特征值λ的特征向量，特征值λ表示在该特征向量度量下类间与类内距离的比值。故将特征值按从大到小的顺序排列为

λ₁≥λ₂≥…≥λ_n，

特征值越大，表明在对应的特征向量上的投影使类间距离与类内距离之比越大，因此包含的可分信息就越多。选取前几个特征值对应的特征向量空间作为新的特征空间，即在保障分类精度的情况下，达到了特征空间降维的目的，又提高了数据处理分析效率。

（6）光谱反射率重建

因原始图像数据以灰度值形式表示，只能反映被测物体辐射的相对强弱，故在进行上述图像处理分类的同时，可以利用灰度转换为反射率，获得被测类别的反射率，以便对其物理性质进行判断。首先计算所述不同反射系数的标准反射板在所应用波段的平均灰度值DN₁',DN₂',…DN_n'；其次利用光谱仪测得不同反射系数的标准反射板在相应波段的反射率值R₁',R₂',…R_n'；建立标准反射板在相应波段中的图像灰度与反射率关系的经验线性模型R_i'=kDN_i'+b，根据灰度值与反射率构造的空间几何关系，求解出线性方程系数k和b；然后利用所得被测物体的平均灰度值DN，结合上述建立的经验线性模型，计算得到被测物体在相应波段的反射率数据R=kDN+b。

对原始多光谱图像数据经过上述一系列的图像处理分析后，结合类别的分类结果采用不同的颜色进行标定，可直观的对类别进行区分。通过类别灰度值转换反射率形成该类别的反射率光谱曲线，因反射率具有物质的“指纹”效应，故可根据类别的光谱反射率曲线的差异性，进行类别识别。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种便携式滤光片色轮型多光谱成像***的光谱图像处理方法，其特征在于：按如下步骤实施：

(1)多波段图像融合为一个多光谱图像文件；被测物体反射光经多个滤光片滤光形成与滤光片波段一一对应的多个波段的灰度图像，使用图像逻辑链接方法将多个波段灰度图像融合为一个多光谱图像文件；

(2)类别定义；根据应用目的、图像数据特性以及所期望的检测对象在图像中的特征分布，对所述多光谱图像文件进行判定，确定图像中所包含的物质类别并进行定义，形成S个类别，用ω₁,ω₂,...,ω_s来表示；

(3)选择训练样本及类别分类；

根据已掌握的上述各类别图像分布，在图像上选择训练区域，并计算各训练区域类别数据向量的均值m₁,m₂,...,m_s和协方差矩阵Σ₁,Σ₂,...Σ_s，得到各类样本对应的正态分布密度函数：

$p\left(x\right|{\mathrm{\ω}}_s)={\left(2\mathrm{\π}\right)}^{-N/2}|{\mathrm{\Σ}}_s{|}^{-1/2}\exp \[-\frac{1}{2}{(x-m_s)}^T{\mathrm{\Σ}}_s^{-1}(x-m_s)\],$

N为波段数目，x为像元；

根据最大似然分类的原理，即在得到各类样本的分布模型后，对于训练区域以外的未知类别的数据向量逐个逐类代入贝叶斯公式计算其属于各个类别的概率大小，比较这些概率，属于哪一类的概率大，就把该数据向量或者像元归到这一类中，则完成对所述多光谱图像的类别分类；

(4)光谱特征的选择；使用巴氏距离(B)以及分类错误概率上界(ε_ij)最小的判定准则，对各个类别进行两两组合配对，分别计算各类对的巴氏距离，选择使错误概率上界之和(ε_m)最小的特征组合作为新的最优特征子集；

(5)光谱特征的提取；将原始的特征空间投影到一个低维并优化后的新特征空间内进行处理；

(6)光谱反射率重建；利用灰度转换为反射率，获得被测类别的反射率，以对其物理性质进行判断；

被测物体在相应波段的反射率：R＝kDN+b；k和b为线性方程系数；DN为被测物体的平均灰度值；

便携式滤光片色轮型多光谱成像***，包括成像仪镜头(1)、滤光片色轮(2)、步进电机(3)、滤光片组(4)、黑白图像传感器CCD(5)、控制模块(7)及光谱图像处理分析模块；所述滤光片色轮(2)位于成像仪镜头(1)与黑白图像传感器CCD(5)之间；所述滤光片组(4)固定设于滤光片色轮(2)之上，其将被测物体反射光谱进行逐波段过滤，经所述黑白图像传感器CCD(5)成像后，形成不同波段的光谱图像；所述步进电机(3)的动力输出轴将旋转动力传输至滤光片色轮(2)；所述控制模块(7)的信号传输端口分别与步进电机(3)、黑白图像传感器CCD(5)及光谱图像处理分析模块的信号传输端口相接；所述黑白图像传感器CCD(5)内置有A/D转换卡，以使各波段光谱信号转换为数字电信号；所述滤光片色轮(2)包括Q个相同直径的圆孔通道；所述滤光片组(4)固定嵌于圆孔通道中；所述黑白图像传感器CCD(5)采用USB2.0接口。