一種受病害脅迫農作物冠層高光譜圖像的波段優選方法
2023-04-28 12:20:21
專利名稱：一種受病害脅迫農作物冠層高光譜圖像的波段優選方法
技術領域：
本發明涉及高光譜圖像數據分析領域，尤其涉及一種受病害脅迫農作物冠層高光譜圖像的波段優選方法。
背景技術：
農作物受病蟲害脅迫會直接影響其農產品的產量和質量。監測大田作物的冠層是獲取作物病情指數信息的最佳方法之一。高光譜成像技術用於農作物冠層圖像採集有兩個優點(1)像素數據量大，能夠分析小尺度空間的病害信息；( 單一像素的波段數據量大， 波段覆蓋範圍廣，能夠反映肉眼無法看到的光譜信息。這兩個優點使得高光譜成像技術具有將受害像素與健康像素精確分類，從而估計作物病害程度的特性。但是高光譜圖像的海量數據往往使得分析耗時較長，對處理器的性能要求也較高。因此尋找一種農作物冠層高光譜圖像的波段優選方法來進行數據壓縮非常必要。
現有的的高光譜波段優選方法主要有主成分分析法(PCA)、獨立成分分析(ICA) 和遺傳算法(Ga)波段優選方法。PCA和ICA需要很大的存儲空間和計算複雜度；( 波段優選方法通過模擬自然進化過程搜索最優解，算法對新空間的探索能力有限，容易收斂到局部最優解，屬於隨機類算法，不能得到穩定的解，可靠性差，處理高光譜數據這樣的高維數據需要較大的計算時間。發明內容
本發明提供了一種受病害脅迫農作物冠層高光譜圖像的波段選擇方法，解決了因農作物冠層高光譜圖像像素點多、波段數大而需要耗費大量時間進行受病害脅迫和未受病害脅迫的像素點的分類分析，提高了農作物受病害感染的監測效率。
一種受病害脅迫農作物冠層高光譜圖像的波段選擇方法，包括
(1)採集受病害脅迫農作物冠層的高光譜圖像，所述的高光譜圖像包含 431-990nm範圍內的953個光譜波段；
(2)計算得到所述高光譜圖像每個波段的不穩定指數隨機選取若干健康像素和病害像素，分為兩組，健康像素和病害像素各為一組，不穩定指數ISIi的計算公式如下，Δs + sτ c* τwithin，il,i 2,i
ISI1 = --= ι-γA—. |mu-m2i|
式中ISIi表示第i個波段下的不穩定指數；Awithin, i是第i個波段下病害像素和健康像素的類內偏差，Abetweena是第i個波段下病害像素和健康像素的類間偏差是第 i個波段下病害象素的標準偏差，S2, i是第i個波段下健康像素的標準偏差；！^, i是病害象素在第i個波段下的平均光譜反射值，Hl2ii是健康像素在第i個波段下的平均光譜反射值；
(3)將所有不穩定指數ISIi升序排列，計算相鄰不穩定指數的相對距離，RDi = ISIi-ISIw I，RDi表示第i個不穩定指數和第i+Ι個不穩定指數的相對距離；
(4)設定一系列平衡因子，平衡因子在所述相對距離RDi的最小值和最大值之間取
( 抽取其中一個平衡因子，計算每一所述相對距離RDi和抽取的平衡因子之間差值的絕對值，Di表示第i個相對距離與所抽取的平衡因子之間的差值的絕對值；
將Di按順序累加，用ADi表示第1到第i-Ι個Di值的總和，ADi = D^D2+. . . +D^1， 求所有ADi局部極大值ADj, ADj對應的第j個波段為候選優選波段，其中j = 1，. . .，n，記錄該平衡因子對應的候選優選波段組合及其波段數量η ；
(6)提取步驟(5)中的候選優選波段組合，建立最小二乘-支持向量機分類模型， 測算分類模型的分類精度；
(7)將其它所有平衡因子重複步驟(5)-(6)，根據每一個平衡因子對應的候選優選波段組合的波段數量η及分類模型的分類精度選取最優波段組合。
步驟中所述平衡因子在所述相對距離RDi的最小值和最大值之間按平均間隔取值，所述的平均間隔取值的間隔優選為0. 5。
步驟(6)中所述的建立最小二乘-支持向量機分類模型以步驟( 中所選像素的候選優選波段對應的光譜反射值作為輸入變量，像素的類標識碼作為輸出變量。
每一個平衡因子的候選優選波段組合的波段數量η和最小二乘-支持向量機分類模型的分類精度是衡量優選波段質量的兩個重要指標，波段數量越低，同時分類模型的分類精度越高，則選出來的優選波段組合質量越高。
本發明的有益效果
(1)實施方便快捷，基本採用簡單的算術運算完成，運算速度較快；
(2)可以根據優選波段數量和分類精度的不同要求來選擇不同的優選波段組合。
圖1是AD局部極大值示意圖2是水稻冠層高光譜圖像的候選優選波段圖。
具體實施方式
以受稻瘟病危害的水稻冠層為例，採集冠層高光譜圖像，光譜範圍覆蓋 431-990nm，共953個光譜波段。
實施例1
(1)對冠層高光譜圖像進行標準化矯正、背景分離等，剔除圖像中非作物的對象像ο
標準化矯正公式
R= (I-Idark)/(Iwhite-Idark)
其中R是校準後的樣本反射值，I是樣本的原始反射值，Idark是黑標準象素反射值，Iwhite是白標準象素反射值。
背景分離方法公式[°031] R = R784. 55_R682. 27
其中R是差分運算後的象素值，R78455是784. 55nm波段的反射值，R682.27 ^ 682. 27nm波段的反射值。
按上述公式進行高光譜圖像784. 55nm和682. 27nm的波段差分運算，經過差分運算後的單波段圖像的植被象素和背景象素的象素值差別較大；取兩類象素值的中間值作為閾值，大約為350，此時植被象素大於350，背景象素小於350 ；然後將大於350的象素設為 1，小於350的象素設為0，使圖像二值化；然後將二值化後的圖像做為掩模來將背景象素屏蔽。
(2)抽取圖像中的健康像素和病害像素各50個，分成兩組，健康像素和病害像素各為一組，對所選象素的每一個波段計算一個不穩定指數，公式如下
權利要求
1.一種受病害脅迫農作物冠層高光譜圖像的波段優選方法，包括(1)採集受病害脅迫農作物冠層的高光譜圖像；(2)計算得到所述高光譜圖像每個波段的不穩定指數；(3)將所有不穩定指數升序排列，計算相鄰不穩定指數的相對距離；(4)設定一系列平衡因子，平衡因子在所述相對距離的最小值和最大值之間取值；(5)抽取一個平衡因子，計算每一所述相對距離和抽取的平衡因子之間的差值的絕對值，Di表示第i個相對距離與所抽取的平衡因子之間的差值的絕對值；將Di按順序累加，用ADi表示第1到第i-1個Di值的總和，ADi = DjD2+. · · +Di+求所有ADi的局部極大值ADj, ADj對應的第j個波段為候選優選波段，其中j = 1，. . .，n，記錄該平衡因子對應的候選優選波段組合及其波段數量η ；(6)提取步驟(5)中的候選優選波段組合，建立最小二乘-支持向量機分類模型，測算分類模型的分類精度；(7)將其它所有平衡因子重複步驟(5)-(6)，根據每一個平衡因子對應的候選優選波段組合的波段數量η及分類模型的分類精度選取最優波段組合。
2.根據權利要求1所述的波段優選方法，其特徵在於，步驟(1)中所述的高光譜圖像包含431-990nm範圍內的953個光譜波段。
3.根據權利要求1所述的波段優選方法，其特徵在於，步驟(4)中所述平衡因子在所述相對距離的最小值和最大值之間按平均間隔取值。
4.根據權利要求3所述的波段優選方法，其特徵在於，所述的平均間隔取值的間隔為0. 5。
全文摘要
本發明公開了一種受病害脅迫農作物冠層高光譜圖像的波段優選方法，包括(1)採集農作物冠層高光譜圖像數據；(2)執行不穩定指數計算、平衡因子設置等一系列的波段優選程序；(3)用候選的優選波段組合建立最小二乘-支持向量機分類模型，並估算分類精度；(4)根據優選波段組合內的波段數量和分類模型的分類精度進一步決定最佳的優選波段。本發明方法用於對受病害脅迫的農作物冠層高光譜圖像像素進行分類分析，可以大大降低高光譜圖像的數據量，操作方便，且可以根據優選波段數量和分類精度的不同要求來選擇不同的優選波段組合，大大提高了農作物冠層病害脅迫程度分析的效率和靈活性。
文檔編號G06T7/00GK102521830SQ201110391249
公開日2012年6月27日 申請日期2011年11月30日 優先權日2011年11月30日
發明者何勇, 徐興, 趙芸 申請人:浙江大學, 浙江科技學院