CN103234915B - 一种基于多光谱检测的波段选择方法 - Google Patents

一种基于多光谱检测的波段选择方法 Download PDF

Info

Publication number
CN103234915B
CN103234915B CN201310025390.3A CN201310025390A CN103234915B CN 103234915 B CN103234915 B CN 103234915B CN 201310025390 A CN201310025390 A CN 201310025390A CN 103234915 B CN103234915 B CN 103234915B
Authority
CN
China
Prior art keywords
band
reflectivity
wave band
band selection
multispectral image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310025390.3A
Other languages
English (en)
Other versions
CN103234915A (zh
Inventor
侯亚丽
郝晓莉
郭长青
王悦扬
袁雪
陈后金
蔡伯根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201310025390.3A priority Critical patent/CN103234915B/zh
Publication of CN103234915A publication Critical patent/CN103234915A/zh
Application granted granted Critical
Publication of CN103234915B publication Critical patent/CN103234915B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

通过多光谱成像系统获取物体在多种光谱波段下的反射率特性,并利用物体的反射率特性作为特征,进行波段选择。所述的多光谱成像系统须用窄带滤光片实现,并且对光源亮度输出做校准。拍摄校准后的多幅多光谱图像,其中包括波段选择的需要正样本和负样本。计算提取正负样本在不同波段下的反射率特性为特征,进行波段选择。波段选择方法是基于一维直方图距离度量的迭代计算方法。从而避免了高维空间距离度量来带的复杂度和计算量,提高了波段选择的效率。<!--1-->

Description

一种基于多光谱检测的波段选择方法
技术领域
本发明涉及多光谱图像的成像设备和信息处理方法,更具体的说,本发明针对多光谱图像中,物体的反射率的获取,以及选择合适光谱波段进行多光谱图像的采集和处理等情况下的成像设备和信息处理方法。
背景技术
近些年来,多光谱图像处理技术应用在很多方面,例如目标检测和识别,特征提取和图像增强等。多光谱的波长范围可从400nm达到2000nm左右,从而造成成像设备复杂,获取多光谱图像困难等情况,因此波段选择作为一种选取合适的波段的方法成为多光谱检测的重要部分之一,这不仅可以简化多光谱的成像系统,降低拍摄多光谱图像时的工作量,而且可以允许多光谱设备进行连续的视频采集,进行实时的视频检测。目前,波段选择的方法可以归为两类。一种最直接的方法是将所有可能的波段组合分别测试检测结果的准确性,并比较每种多光谱波段组合的检测结果,最终选出最优的那个波段组合。这种方法的优点是一定能够选出最优的波段组合用于多光谱检测,然而它的缺点也是显而易见的,拍摄过程耗时长,数据处理复杂度高,计算量大等。另一种波段选择的方法是SFS,也是最常用的波段选择的方法。通过减少搜索空间,该算法的效率非常高。该算法的思想是迭代计算和距离度量。前一个选择的波段会与其他波段结合,用联合距离度量,具有最大联合距离的波段组合作为波段选择的结果。直到选择的波段组合达到理想的检测结果为止。但是,随着波段的增加,在高维空间距离度量的计算量也迅速增长。
多光谱图像的优势在于能够很好的体现不同物体在各个波段下具有独特的特性,其原因是物体的反射率在不同波段下表现不同。如图1,人体皮肤反射率在紫外部分反射率较低,继而随波长的增加反射率增大,在575nm处有“W”形状。皮肤反射率在800nm处达到峰值,在900nm处会出现下降,在达到最小值后又重新增大但增大幅度很小。PVC和硅胶材料的反射率在400nm到600nm段增长迅速,在700nm到900nm保持平稳,900nm以后又出现下降。纸质材料在600nm到800nm波段增长迅速,800nm到1000nm保持平稳。利用这些多光谱下的物体的反射率特性,我们可以提取多光谱下的物体特征,进行图像检测和识别等处理。
[引用列表]
[非专利文献]
1、ElliAngelopoulou,“Understandingthecolorofhumanskin”,ComputerScienceDept.,StevensInstituteofTechnology,CastlePointonHudson,Hoboken,NJ07030,USA
索尼公司在201080002426提出一种使用多频带近红外照明条件下皮肤检测的系统及方法。该方法用摄像机在两个近红外波段拍摄两个不同近红外波段的图像,根据两幅图像之间的差异,生成二值化的皮肤图像,通过二值化的皮肤图像在原始图像中提取皮肤区域。该方法主要用于计算机数据录入时对坐在计算机屏幕前的数据录入人员的皮肤(手)的提取,无法应用于大范围、复杂场景下的皮肤检测。而且,该方法没有定量给出如何选择合适的波段进行多光谱成像的方法。
因此考虑到上述情况,需要设计一种多光谱成像系统获得多光谱图像,同时提出一种简单有效的波段选择方法去选择合适的波段进行多光谱图像的采集,以及后续的图像处理。
发明内容:
在本发明的系统,方法和硬件实现描述前,需要声明的是本发明并不局限于说明书所描述的关于波段选择的方法下的实例,可有多个没有在本文中说明的可能实例。并且,本文所采用的波长范围并不局限于所应用的范围,波长范围可以涉及其他未提出的波段。
本发明提供了一种多光谱成像系统,该系统成本低,实现简单,并且获取的多光谱图像质量满足数据分析和处理的条件。如图3,本成像系统主要包括一台高功率的全光谱氙灯光源,31个不同波段的窄带滤光片,一个黑白摄像头,一台计算机,一个PWM控制模块以及一个PTFE白板。高功率的氙灯作为一个全光谱的主动光源,31个窄带滤光片能够用于多光谱成像,拍摄时需将滤光片依次放在摄像头前面。摄像头能够获取单通道的多光谱图像。计算机用于图像的保存和处理,PWM控制模块用于调节光源电压。PTFE白板作为参考物用于计算物体的反射率。
本发明还提供一种基于多光谱系统成像的物体反射率的获取方法。该方法包括多光谱图像亮度校准部分,拍摄部分以及反射率计算部分。校准部分的目的是调节氙灯光源的输出电压,避免拍摄场景中的目标亮度过亮或过暗,从而避免拍摄到的目标图像的信息丢失。校准部分的方法是在每个滤光片下依次观测和调节场景的平均亮度,保证拍摄的多光谱图像的亮度保持在150-200(0代表最暗,255代表最亮)。然后在拍摄并保存31个不同波段下的图像。反射率是利用拍摄到的多光谱图像和相关公式计算得到。多光谱图像中像素点P的亮度IPi):
其中,i为第i个波段,t为相机曝光时间,p为物体在第i波段下的反射率,c为相机的相应函数,E为环境光的亮度,δ(λ-λi)表示不同波段下窄带滤光片的相应函数。
物体的反射率可以由(1)推导得到:
其中,I0i)为,表示参考物PTFE的亮度,表示PTFE板在波段i下的反射率。I1i)为,表示目标的亮度。表示目标物体在波段i下的反射率。
本发明提出一种基于多光谱检测的波段选择方法。需要提供不同波段下,多光谱图像的样本,正样本可以使所要检测的目标物体,负样本为其他非目标物体。波段选择步骤如下:
输入:不同波段下,多光谱图像的样本。
步骤一:选择第一个波段B={b1}。
对于不同波段下的正负样本,建立对应的直方图。
度量对应波段下,正负样本直方图的距离。
选择具有最大距离的波段作为波段选择的结果。
步骤二:划分第一个波段下,以正样本的直方图均值为中心,覆盖合适区域的亮度范围为区间。采集在该区间内的不同波段下的正负样本。
步骤三:重复第一步和第二步,增加波段选择的结果到B,知道选择出期望获得的波段数为止。
输出:波段选择结果:B={b1,b2,…,bm}。
第一步波段选择的度量基于JM距离:
X为特征向量,p(X|ωi)和p(X|ωi)是类i,j下的条件概率。
将以正样本的直方图均值为中心,覆盖合适区域的亮度范围定义为“正区间”。在选择的第一波段下,正负样本都落在“正区间”的样本将迭代的进行下一轮的波段选择。直到选择了期望的波段数为止。这样,每次迭代能够保持一维计算量,从而避免了高维空间的距离度量,降低了运算量,提高了效率。
实际上,该波段选择的方法是基于条件概率进行的,选取在“正区间”的特征样本,一系列的条件概率在存留的波段进行迭代计算。
迭代-1:
迭代-2:
迭代-m:
因此,若选择m个波段,需要利用正样本的比例,计算“正区间”的范围,利用下式:
为了保证统计结果的准确性,需要定义一个较高的“正区间”。对于每次迭代,如果选择m个波段,用于定义“正区间”的范围。
这个基于条件概率的方法非常适用于特征分布近似于正态分布。利用多光谱下物体的反射率作为特征,大量的单一样本的特征分布正是近似正态分布。所以可以利用该方法进行波段选择。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1光谱仪测量得到的物体反射率曲线图;
图2PTFE白板反射率曲线图;
图3多光谱成像系统组成;
图4多光谱成像系统实际测量的反射率曲线图;
图5实施例流程和波段选择流程;
图6第一次波段选择的结果及对应的直方图;
图7第二次波段选择的结果及对应的直方图。
具体实施方式
设备连接:
计算机300通过PWM控制500与光源100相连,可以控制光源电压调节光源亮度。计算机300与摄像头200相连接,拍摄获取多光谱图像。光源100提供全光谱的照明。PTFE白板600为参考物体,用于计算物体反射率,放置在拍摄场景中的固定位置。滤光片组400包括滤光片401到滤光片431,一共31个滤光片,波长范围从400nm到1000nm。由于拍摄的目的是为了获取多光谱图像,所以计算机300应能保证在各个波段光源打开时,摄像头能同步拍摄图像。比如要获取400nm到1000nm波段下的图像。计算机300应能保证400nm到1000nm波段的对应光源打开时,摄像头开始拍摄,400nm到1000nm波段的对应的光源关闭时,摄像头停止拍摄。
场景设置:
根据本发明提供的方法,需要在场景中放置已知反射率的参照物用于计算获取物体反射率特性。本发明中使用PTFE白板600作为参照物。拍摄时,保证目标和参照物的位置不变。校准不同波段下的光源的电压输出,避免拍摄图像的亮度过亮或过暗,保证拍摄的多光谱图像的平均亮度在150到200左右(0为最暗,255为最亮)。
由于本发明提供的波段选择的方法可以应用在不同的波段范围,并且,根据目标正样本的种类不同,可以获取不同物体的反射率,所以不限于本文实例提及的波段范围和正负样本。在此仅以提及的实例的实施方式做说明。本发明的实验中,所选用的光源为光谱分布在350nm到2500nm的氙灯,滤光片提供窄带光谱,中心波长的波段范围从400nm到1000nm,半带宽为20nm,目标正样本选择人体皮肤,负样本选择PVC材料假人,硅胶面具和纸质照片。
实施例一:
在设备连接、场景设置完成后,需要进行光照校准,拍摄,特征提取和波段选择过程。具体过程如下。
校准过程:打开摄像头200,计算机300,PWM控制500和光源100。将滤光片401(420nm)到431(1000nm)依次放在摄像头200前,调节PWM控制500,使拍摄到的图像平均亮度维持在150到200(亮度0为最暗,255为最亮)。记录对应波段下的PWM输出控制值。
拍摄过程:打开摄像头200,计算机300,PWM控制500和光源100。将滤光片401(420nm)到431(1000nm)依次放在摄像头200前,导入PWM控制500的输出值,调节对应各个波段下的亮度。首先拍摄人的手臂和手背的皮肤作为正样本,然后拍摄PVC假人,硅胶面具,纸质照片作为负样本。
特征提取:在所拍摄的多光谱图像中截选属于皮肤的正样本和PVC假人,硅胶面具和纸质照片的负样本。根据发明内容中的物体反射率计算部分,获得基于像素点的多光谱反射率,反射率特征为31维的向量。
波段选择:计算31个波段下,以正负样本反射率为特征的直方图。利用JM距离度量直方图。具有最大距离的波段作为第一个波段选择的结果。选取第一个选取的波段下,正样本的85%的区间为“正区间”,采集其他各个波段下,位于该区间内的正负样本,作为下次波段选择的样本。迭代利用JM距离度量直方图,获得所选波段,直到达到期望的波段数量。本次实验中,期望得到两个最佳波段,选取800nm和420nm作为波段选择的结果。

Claims (4)

1.一种通过获取多光谱图像中物体的反射率特性,并基于多光谱图像反射率进行波段选择的方法,所述方法实现以下步骤:
a)校准:将窄带滤光片放置于摄像头前,通过PWM控制模块调整光源输出使所得图像平均亮度值维持在合适的范围,避免多光谱图像的亮度值过亮或过暗;
b)拍摄:根据校准后光源,使用摄像头采集不同光谱波段下的图像,包括用于波段选择的正样本和负样本;
c)波段选择:基于多光谱图像进行波段选择需要实现以下步骤:
1)利用已知反射率的参照物计算多光谱图像中各物体的反射率并初始化波段集B={};
2)重复以下步骤,直到选择出期望获得的波段数为止:
2.1)选择一个波段,方法具体实现如下:
①对于不同波段下的正样本和负样本,建立对应的反射率直方图,
②度量各波段下正样本和负样本的直方图距离,
③选择具有最大距离的波段并将其合并到波段集B;
2.2)基于已选波段,以正样本的直方图均值为中心,覆盖一定区域的亮度范围为区间,采集剩余波段在该区间内的正样本和负样本用于后续的波段选择;
3)输出波段选择结果B={b1,b2,...,bm},其中,m为期望获得的波段数。
2.如权利要求1中所述的方法,利用多光谱图像反射率进行波段选择的方法,需要经过光照校准过程,校准步骤如下:
a1)将不同的窄带滤光片分别放在摄像头前,计算拍摄图像的平均亮度值,调节PWM控制模块输出改变光源亮度,使图像平均亮度维持在150-200,其中,0为最暗,255为最亮;
a2)记录各个波段下的光源输出值,以便今后采集多光谱图像时使用。
3.如权利要求1中所述的方法,利用多光谱图像反射率进行波段选择的方法,需要拍摄获取多光谱图像,拍摄步骤如下:
b1)在经过校准的光源下,拍摄不同波段的多光谱图像,其中包括需要获取多光谱反射率特性的正样本和负样本;
b2)拍摄场景中已知反射率的参照物,用于计算多光谱图像中其他物体的反射率。
4.如权利要求1中所述的方法,波段选择需要明确期望获得的波段数,决定波段选择过程的结束点。
CN201310025390.3A 2013-01-23 2013-01-23 一种基于多光谱检测的波段选择方法 Expired - Fee Related CN103234915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310025390.3A CN103234915B (zh) 2013-01-23 2013-01-23 一种基于多光谱检测的波段选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310025390.3A CN103234915B (zh) 2013-01-23 2013-01-23 一种基于多光谱检测的波段选择方法

Publications (2)

Publication Number Publication Date
CN103234915A CN103234915A (zh) 2013-08-07
CN103234915B true CN103234915B (zh) 2016-04-06

Family

ID=48882966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310025390.3A Expired - Fee Related CN103234915B (zh) 2013-01-23 2013-01-23 一种基于多光谱检测的波段选择方法

Country Status (1)

Country Link
CN (1) CN103234915B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111491089A (zh) * 2020-04-24 2020-08-04 厦门大学 一种利用图像采集装置监测背景物上目标物的方法
CN113340817B (zh) * 2021-05-26 2023-05-05 奥比中光科技集团股份有限公司 光源光谱和多光谱反射率图像获取方法、装置及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于最佳波段指数和J-M距离可分性的高光谱数据最佳波段组合选取研究——以环境小卫星高光谱数据在东莞市的应用为例;马娜等;《遥感技术与应用》;20100630;第25卷(第3期);358-365 *
基于波段选择的高光谱遥感影像分类;李静等;《测绘信息与工程》;20120430;第37卷(第2期);41-44 *
面向对象的多光谱图像特征遗传选优方法;安琼等;《农业工程学报》;20080430;第24卷(第4期);181-185 *

Also Published As

Publication number Publication date
CN103234915A (zh) 2013-08-07

Similar Documents

Publication Publication Date Title
CN103268499B (zh) 基于多光谱成像的人体皮肤检测方法
JP5496509B2 (ja) 色分類および皮膚色検出のための画像処理のためのシステム、方法、および装置
Du et al. A prism-based system for multispectral video acquisition
Rabatel et al. Getting NDVI spectral bands from a single standard RGB digital camera: a methodological approach
JP2014515587A (ja) デジタル画像装置用の画像処理パイプラインの学習
Benezeth et al. Background subtraction with multispectral video sequences
Chang et al. Multispectral visible and infrared imaging for face recognition
US20200141804A1 (en) Method and system for hyperspectral light field imaging
US20170205344A1 (en) Active hyperspectral imaging system
CN109872295B (zh) 基于光谱视频数据的典型目标材质属性提取方法和装置
Narang et al. Face recognition in the SWIR band when using single sensor multi-wavelength imaging systems
CN102831400A (zh) 一种多光谱人脸识别方法及其系统
Vetrekar et al. Low-cost multi-spectral face imaging for robust face recognition
WO2018209703A1 (en) Method and system for snapshot multi-spectral light field imaging
CN103234915B (zh) 一种基于多光谱检测的波段选择方法
Robles-Kelly et al. A convolutional neural network for pixelwise illuminant recovery in colour and spectral images
CN114913415A (zh) 一种基于遥感监测的病虫害检测系统
CN117314754B (zh) 一种双摄超光谱图像成像方法、系统及双摄超光谱内窥镜
Huynh et al. Hyperspectral imaging for skin recognition and biometrics
CN114216867A (zh) 高光谱图像采集识别装置及方法
CN110909696B (zh) 一种场景检测方法、装置、存储介质及终端设备
Jia et al. Single-shot Fourier transform multispectroscopy
Llanos et al. Simultaneous demosaicing and chromatic aberration correction through spectral reconstruction
Yan et al. Effect of the restoration of saturated signals in hyperspectral image analysis and color reproduction
Chang Multispectral imaging for face recognition over varying illumination

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160406

Termination date: 20220123

CF01 Termination of patent right due to non-payment of annual fee