农作物多光谱图像获取与分类识别

本书在概述多光谱技术原理与发展前沿的基础上，搭建了基于LCTF和CMOS相机的多光谱成像系统，获取了几类常见农作物的多光谱图像，选取特征波段，并对所获得的多光谱信息进行分类识别。证明了多光谱成像技术能够动态、快速、准确和及时地获取农作物的图像信息和光谱信息，可作为“精细农业”的有力技术支撑。此外，还介绍了多光谱技术在油画数字化版权保护、食品检测和医学病理诊断等领域中的应用。 本书可供农作物分析、光谱分析工作者及技术开发人员参考，也可供高等院校农林、物理学、应用光学等专业的师生阅读使用。

传统的农作物诊断方法误判大、效率低，在很大程度上，由于诊断技术单一，大都基于人眼视觉或图像比对的方法对农作物状态进行判断和监测，这在农业领域往往造成很大的作物产量损失，没有起到预测的作用。光谱仪虽然能获取目标的光谱信息，但是往往不能根据需要确定特定区域的大小和形状。因此，同时从光谱维和图像维对目标表面获取信息具有重要的意义。光谱成像技术的出现和发展已成为获取目标表面信息的重要手段之一，在众多领域已有广泛应用。
鉴于以上考虑，本书在对光谱成像技术研究的基础上，搭建了基于窄带液晶可调谐滤光片型的农作物多光谱成像系统，用于获取近地面农作物样本的多光谱图像数据，通过相关算法获取农作物的特征波段，并对获取的特征波段进行农作物分类研究，结合其分类精度，建立相关作物特征波段的多光谱农作物数据库。
采用液晶可调谐滤光器代替传统机械轮转动装置，能够连续调谐滤光器中心透过波长。基于农作物的近地多光谱成像系统，响应时间短、采集的图像分辨率高、稳定性较佳，对实时采集田间农作物的多光谱图像具有重要意义。在可见光范围内，将窄带滤光片应用于多光谱成像系统获取农作物的叶片信息，相比宽带滤光片而言，能够提供比较丰富的细节信息特征，为准确获取农作物的特征波段提供了技术支撑。本书获取了4类农作物样本的有效特征波段，减少了大量多光谱图像数据处理，建立了4类不同特征的农作物特征波段数据库，用于对相应农作物的快速分类和识别。
本书系统地介绍了农作物多光谱图像获取与分类识别的有关概念、原理、方法和实验，以及目标的光谱反射率测量、数字化保护和多光谱成像技术的应用。全书由7章组成，第1章介绍了光谱成像技术，包括其历史发展与现状；第2章主要介绍了植物特征和多光谱成像技术原理；第3章从特征波段选取准则和方法出发，介绍了特征波段选取理论和农作物的多光谱图像采集；第4章根据目标选取区域对4类不同农作物的特征波段予以选取；第5章从特征波段和全波段角度出发，根据光谱角度匹配法、相关系数匹配法和欧氏距离法等对农作物多光谱图像进行分类识别，并统计其分类精度；第6章基于图度亮度信息法选取了莲花白叶片多光谱图像的特征波段，并计算了其可识别度和分类精度，以及利用PR-715光谱扫描辐射度计测量了五角枫叶的光谱反射率；第7章介绍了多光谱成像技术在其它领域的应用，主要包括多光谱成像技术在油画数字化版权保护、食品检测、农作物生长状态和病虫害监测、医学病理诊断和军事等方面的应用。
全书由陇东学院曹鹏飞编写并统稿，李敏在书稿审读阶段做了部分工作。本书的编写是编者在多光谱成像方面科研工作的基础上完成的。先后得到甘肃省高等学校创新基金项目（项目编号：2020A-115）、庆阳市科技计划项目（部分相干谢尔模型光束在生物组织中的传输特性研究）、陇东学院2021年度教育教学研究项目（基于创新能力培养的《大学物理》课程教学模式探索与实践）、陇东学院第五批校级培育学科（物理学）和陇东学院著作基金的大力支持和资助。
在此，向所有为本书出版付出辛勤劳动的人员表示衷心的感谢！
由于编者水平有限，书中难免存在疏漏和不足之处，恳请专家读者批评指正。

曹鹏飞
2021年5月

本书在概述多光谱技术原理与发展前沿的基础上，搭建了基于LCTF和CMOS相机的多光谱成像系统，获取了几类常见农作物的多光谱图像，选取特征波段，并对所获得的多光谱信息进行分类识别。证明了多光谱成像技术能够动态、快速、准确和及时地获取农作物的图像信息和光谱信息，可作为“精细农业”的有力技术支撑。此外，还介绍了多光谱技术在油画数字化版权保护、食品检测和医学病理诊断等领域中的应用。
本书可供农作物分析、光谱分析工作者及技术开发人员参考，也可供高等院校农林、物理学、应用光学等专业的师生阅读使用。

第1章光谱成像技术概述/001
1.1农作物的生长状况及其监测方法/001
1.2多光谱成像技术的历史与现状/004
1.2.1多光谱成像技术的发展历程/004
1.2.2成像光谱数据处理与最佳波段研究现状/006
参考文献/009

第2章植物特征和多光谱成像技术原理/013
2.1植物特征/013
2.1.1植物的颜色特征/013
2.1.2植物的光谱特征/014
2.1.3植物的纹理特征/017
2.2光谱成像技术原理/018
2.2.1光谱成像关键技术/018
2.2.2成像光谱仪的光谱成像原理/018
2.3农作物的多光谱成像系统/020
2.3.1液晶可调谐滤光片的工作原理/020
2.3.2基于农作物的多光谱成像系统搭建/024
2.4多光谱成像系统的定标/028
2.4.1黑场/028
2.4.2CMOS响应饱和度/029
2.5多光谱成像系统的校正/029
2.5.1多光谱成像系统的校正步骤/029
2.5.224色卡与RGB参考值/030
2.5.3多光谱成像系统的校正结果/032
2.6多光谱图像的数据表达和处理/032
2.6.1图像立方体/033
2.6.2光谱曲线/033
2.6.3光谱曲面/034
参考文献/035

第3章特征波段选取理论和多光谱图像采集/038
3.1特征波段选取理论/038
3.1.1特征波段选取准则/039
3.1.2特征波段选取方法/039
3.1.2.1图像亮度信息法/040
3.1.2.2波段指数法/041
3.1.2.3最佳指数法/041
3.1.2.4熵与联合熵/041
3.1.2.5协方差矩阵行列式/042
3.1.2.6支持向量机/043
3.2技术路线/044
3.3农作物样本制备与研究区域选取/045
3.3.1农作物样本制备与多光谱图像采集/045
3.3.2农作物样本和参考白板的多光谱图像区域选取/056
参考文献/057

第4章农作物样本的特征波段/059
4.1农作物样本的灰度与光谱反射率/059
4.1.1农作物样本和参考白板的灰度值/059
4.1.2农作物样本的光谱反射率/061
4.2农作物特征波段的选取/062
4.2.1健康四季豆叶片的特征波段选取/062
4.2.1.1波段指数法选取四季豆叶片的特征波段/062
4.2.1.2图像亮度信息法选取四季豆叶片的特征波段/064
4.2.1.3四季豆叶片的特征波段选取结果比较/065
4.2.2健康萝卜叶片的特征波段选取/066
4.2.3健康水稻叶片的特征波段选取/068
4.2.4稻飞虱为害后水稻叶片的特征波段选取/069
4.3农作物样本的结果分析/071
参考文献/072

第5章农作物多光谱信息的分类识别/073
5.1分类方法/073
5.1.1非监督分类/073
5.1.2监督分类/074
5.2基于农作物的分类方法选取和精度分析/075
5.2.1分类方法选取/075
5.2.2分类精度评价/077
5.2.2.1混淆矩阵和总分类精度/077
5.2.2.2使用者和生产者精度/078
5.2.2.3Kappa系数/078
5.2.2.4McNemar测试/079
5.3多光谱图像的数据制备与分类识别/079
5.3.1多光谱图像的数据制备/079
5.3.2多光谱图像的分类识别/080
5.3.3多光谱图像的数据分析/082
5.4多光谱图像的分析结果/084
参考文献/085

第6章莲花白多光谱图像的特征波段和五角枫叶的光谱反射率/087
6.1莲花白叶片的多光谱图像/087
6.2莲花白叶片的目标区域选取和可识别度计算/090
6.3莲花白叶片的分类精度/092
6.4五角枫叶的图像获取和区域选取/093
6.5五角枫叶的光谱反射率/094
参考文献/097

第7章多光谱成像技术在各领域的应用/099
7.1多光谱成像技术在油画数字化版权保护方面的应用/099
7.1.1基于Haar小波的DWT域水印原理/099
7.1.2油画作品多光谱图像的水印嵌入与提取/101
7.1.3油画作品版权的保护策略/107
7.2多光谱成像技术在食品检测中的应用/107
7.3多光谱成像技术在农作物生长方面的应用/109
7.3.1农作物生长状态的监测/109
7.3.2农作物病虫害的检测/112
7.4多光谱成像技术在医学病理诊断中的应用/113
7.5多光谱成像技术在军事方面的应用/114
7.6多光谱成像技术在其它方面的应用/117
参考文献/118