基于多光谱图像选取马铃薯叶片的最佳彩色波段组合

刘 鑫, 冯 洁, 杨舒明

(云南师范大学 物理与电子信息学院, 云南 昆明 650500)

基于多光谱图像选取马铃薯叶片的最佳彩色波段组合

刘 鑫, 冯 洁, 杨舒明

(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

引 言

马铃薯是全世界范围内一种重要的粮食作物,我国马铃薯产量居世界首位。目前许多学者对马铃薯进行了研究,宋英博等[1]通过光谱仪诊断马铃薯叶片中对氮素敏感的波段,张小燕等[2]研究了马铃薯主要营养成分的近红外光谱,徐明珠等[3]利用高光谱技术识别马铃薯叶片早疫病,并建立了识别模型。

作物的光谱特性包含着作物的很多重要信息,如何既能最大程度地有效利用光谱信息,又能较快地处理光谱数据成为一个研究热点[4-5]。传统光谱技术对植株的检测相关性低,多光谱成像技术利用敏感波段能有效反映目标光谱和空间特征的信息。基于Spectrocam多光谱相机和计算机软件组成的多光谱成像系统可以同时从光谱维和空间维获取被测目标的信息,能够解决传统科学领域“成像无光谱”和“光谱不成像”的问题,其特点是实现简单、图谱合一[6-7]。

由于人眼对彩色敏感且分辨能力强,多光谱数据往往需要进行波段组合,合成彩色图像以便于进行目标识别和图像特征提取[8-10]。但多光谱数据波段较多,各波段之间既具有互补性,又存在着大量的数据冗余[11],因此对多光谱图像进行彩色合成时,有必要从众多的波段中提取特征波段进行最佳波段组合。

鉴于此,本文基于Spectrocam多光谱成像系统通过波段指数法提取马铃薯叶片的特征波段,并将特征波段进行最佳波段组合合成假彩色图像。

1 实验原理

1.1波段指数法

波段指数[12]的定义为

(1)

式中:σi为第i个通道图像的标准差,其值越大,表明此波段所含的信息量越丰富;Ri表示Rw和Ra之和,其中,Rw为第i波段与所在组内其他波段相关系数的绝对值之和的平均值,Ra为第i波段与所在组以外的其他波段之间的相关系数的绝对值之和,其值越小,表明波段之间的独立性越高,信息冗余度越低。设ρij为波段i与j之间的相关系数,光谱数据分为k组,每组的波段数分别为n1,n2,…,nk,则

Ri=Rw+Ra

(2)

(3)

波段指数要求按照波段均方差越大,波段间相关系数的绝对值越小的特点进行最佳波段选择。波段指数综合考虑了各波段的信息量及其相关性,因此,波段指数对特征波段的选取具有重要意义。

1.2彩色合成原理

彩色合成[13]有两种方案:真彩色原理合成,即R、G、B分别赋予红光、绿光、蓝光波段;标准假彩色合成,即R、G、B分别赋予近红外、红光、绿光波段。彩色合成的关键是如何进行波段组合,波段选择要遵循以下原则:所选的三个波段的信息总量要大;所选的三个波段的相关性较弱;目标地物类型要在所选的波段组合内与其他地物具有很好的可区分性。

2 材料与方法

2.1多光谱成像系统概述

实验采用多光谱成像系统进行实时无损的马铃薯叶片多光谱图像采集。实验使用的仪器设备主要由海洋薄膜公司全新Spectrocam多光谱相机和计算机控制软件组成。Spectrocam多光谱成像系统具有可互换式滤光片,选用滤光片中心波长分别为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个通道,其对应的半带宽分别是100,100,20,10,5,10,10,10, 10,10,10,10,5,100,10 nm。

2.2材料制备及数据采集

实验选取的健康马铃薯样本来自云南师范大学马铃薯学院,马铃薯品种为C-88,生长时间为80 d,生长状况良好。在温室中分别采集盆栽培养的健康马铃薯叶片和参考白板的多光谱图像,采集时间为12:00—14:00,多光谱相机与样本之间的距离为1.2 m,参考白板用于测量时的系统标定。图1所示为15个通道下的多光谱图像。

图1 各通道下的多光谱图像Fig.1 Multispectral images of each channel

如图2所示,在所采集的多光谱图像中选择5个不同区域进行灰度值提取,并同时提取参考白板的灰度值。

图2 马铃薯叶片选取的区域Fig.2 The selected area of potato leaves

2.3实验结果及分析

根据光谱反射率的定义得到健康马铃薯叶片的光谱反射比,通过MATLAB平台拟合得到光谱反射率曲线,如图3所示。

从图3可以看出,在波长558 nm处出现一反射峰,在可见光波段与近红外波段之间,即680～750 nm波段,反射率急剧上升且曲线陡,接近于直线的形状,形成红边现象,这是典型绿色植物光谱曲线的明显特征,故实验数据满足实验分析要求。

根据波段指数法求出实验中不同马铃薯叶片灰度值的标准差和不同通道之间的相关系数,图4为马铃薯叶片成像光谱数据的标准差,表1为不同通道之间的部分相关系数。

在利用多光谱数据进行假彩色合成时,一般应从近红外、红光、蓝绿光波段中各选一个最优波段进行合成。为此,可将15个通道根据波长大小分为3组,即通道1～7(除红光外的可见光组)、8～11(红光组)、12～15(近红外组)。在得到不同波段的标准差和相关系数后,利用式(1)计算出马铃薯叶片不同通道的波段指数值,表2为各组的波段指数值。

图3 健康马铃薯叶片的光谱反射率曲线Fig.3 Spectral reflectance of healthy potato leaves

图4 马铃薯叶片的各波段标准差曲线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

从表2得知可见光通道下马铃薯叶片在475,680,717,750 nm处波段指数较大,近红外通道下马铃薯叶片在800 nm和850 nm处波段指数相对较大。根据植物光谱特征,在通道558 nm处存在一个反射峰,植物叶片在该波段附近信息相对丰富。综合波段指数的特征波段选取原理和植物光谱特征,得出波段475,558,680,715,750,800,850 nm是可以获得马铃薯叶片光谱信息的特征波段,即获得马铃薯叶片特征光谱信息的最佳通道是2、5、9、10、11、12和14。

通过真彩色原理,即R、G、B分别赋予红光、绿光、蓝光波段,和标准假彩色即R、G、B分别赋予近红外、红光、绿光波段,分别对所提取的特征波段进行彩色合成,合成方案如表3所示。

表2 马铃薯叶片各通道的波段指数值Tab.2 Band index of each channel of potato leaves

表3 合成方案Tab.3 Synthetic scheme

为了得到最佳波段组合,综合考虑3个波段的信息总量及相关性,从表1可以看出相邻通道9、10、11和通道5、2之间的相关性分别为-0.31、-0.07、-0.01和0.67、0.70、0.77,可见通道9的相关性较小,故选取通道9、5、2组合为最佳波段组合,同理得知标准假彩色方案中通道12、9、5为最佳波段组合。通过ENVI软件将R、G、B分别赋予通道9、5、2和12、9、5合成假彩色图像,如图5所示。

从图5可以看出,通道9、5、2合成的假彩色图像与植物的真实颜色十分接近,通道12、9、5合成的假彩色图像中植物显示红色。

图5 假彩色图像Fig.5 False color images

3 结 论

提出利用波段指数法提取健康马铃薯叶片的特征波段进行假彩色合成并得到最佳波段组合。实验结果得出通道475,558,680,717,750,800,850 nm是可以获得马铃薯叶片光谱信息的特征波段,能快速获取马铃薯叶片的信息,在此基础上得出通道9(680 nm)、5(558 nm)、2(475 nm)和通道12(800 nm)、9(680 nm)、5(558 nm)为假彩色最佳波段组合。通道9、5、2合成的假彩色图像与植物的真实颜色十分接近,由于人眼对彩色比较敏感且分辨能力强,信息丰富的彩色合成图像对有效进行多光谱数据处理分析及信息提取至关重要。因为植物的辐射量差异在近红外波段最敏感,通道12、9、5合成的假彩色图像中植物显示红色,红色植物非常容易和其他地物区分,在遥感植物研究中经常用到。利用波段指数法提取特征波段选取假彩色最佳波段组合,此研究可为后续的图像特征提取、目标识别等工作提供参考。

[1] 宋英博.光谱诊断马铃薯叶片氮素敏感波段的研究[J].中国马铃薯,2010,24(3):176-178.

[2] 张小燕,杨炳南,刘威,等.马铃薯主要营养成分的近红外光谱分析[J].食品科学,2013,34(2):165-169.

[3] 徐明珠,李梅,白志鹏,等.马铃薯叶片早疫病的高光谱识别研究[J].农机化研究,2016,38(6):205-209.

[4] 杨玮,SIGRIMIS N,李民赞.基于多光谱图像分析的温室黄瓜叶片营养元素检测与诊断[J].光谱学与光谱分析,2010,30(1):210-213.

[5] 冯洁,廖宁放,赵波,等.多光谱成像技术诊断植物病虫害的人工神经网络模型[J].光学技术,2008,34(5):717-720.

[6] 曹鹏飞,李宏宁,罗艳琳,等.基于多光谱成像选取四季豆叶片的特征波段[J].激光与光电子学进展,2014,51(1):011101.

[7] 冯洁,李宏宁,杨卫平,等.园艺作物病害的多光谱组合分类[J].光谱学与光谱分析,2010,30(2):426-429.

[8] 林文鹏,王长耀,储德平,等.基于光谱特征分析的主要秋季作物类型提取研究[J].农业工程学报,2006,22(9):128-132.

[9] 冯恩国,李淑香.居民地信息提取的最佳假彩色合成方法——以开封市区为例[J].平顶山学院学报,2006,21(2):91-94.

[10] 杨金红,尹球,顾松山,等.城区高光谱遥感数据假彩色波段组合研究[J].南京气象学院学报,2005,28(3):289-295.

[11] 张志敏,张天桥,康冬舟,等.遥感图像多光谱假彩色合成处理及其在环境地学中的应用[J].影像技术,2002(1):33-36.

[12] 姜小光,王长耀,王成.成像光谱数据的光谱信息特点及最佳波段选择——以北京顺义区为例[J].干旱区地理,2000,23(3):214-220.

[13] 吴云霞,史巍,史继忠.多波段遥感图像彩色合成处理解析——遥感图像彩色合成处理教学设计[J].科技视界,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

国家大学生创新创业训练计划(201510681005);云南省科技计划(2016FB108)

刘 鑫(1993—),女,硕士研究生,主要从事新型光谱成像技术方面的研究。E-mail:lxin_66@126.com

冯 洁(1975—),女,教授,主要从事多光谱成像和颜色科学方面的研究。E-mail:fengjie_ynnu@126.com

O 439

A

10.3969/j.issn.1005-5630.2017.05.006

(编辑:张磊)