CN106018316B - 一种基于高光谱红外图像处理的气体检测方法 - Google Patents
一种基于高光谱红外图像处理的气体检测方法 Download PDFInfo
- Publication number
- CN106018316B CN106018316B CN201610347241.2A CN201610347241A CN106018316B CN 106018316 B CN106018316 B CN 106018316B CN 201610347241 A CN201610347241 A CN 201610347241A CN 106018316 B CN106018316 B CN 106018316B
- Authority
- CN
- China
- Prior art keywords
- gas
- indicate
- formula
- hyperion
- indicates
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 28
- 238000003331 infrared imaging Methods 0.000 claims abstract description 17
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000003595 spectral effect Effects 0.000 claims abstract description 13
- 238000010521 absorption reaction Methods 0.000 claims abstract description 5
- 230000005855 radiation Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000000862 absorption spectrum Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 55
- 238000005516 engineering process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱红外图像处理的气体检测方法，包含以下几个步骤：a）、采用高光谱红外成像系统采集目标区域的红外光谱数据；b）、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；c）、采用气体光谱反演算法计算气体的红外吸收谱曲线；d）、对步骤b）中处理后的光谱数据以及步骤c）中计算得到的光谱数据进行归一化以降低谱线中直流分量的影响，然后采用基于特征加权的广义角相似性度量方法来判断气体的种类和浓度。本发明利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声，然后对采集到的高光谱图像实施降噪、降维、光谱反演运算，和气体红外吸收谱库中的数据进行对比，进而可以识别气体的种类和估测气体的浓度。
Description
技术领域
本发明属于红外探测技术和图像处理技术领域，涉及一种基于高光谱红外图像处理的气体检测方法。
背景技术
随着我国经济的快速发展，大气污染和温室气体排放的问题愈来愈突出。为了掌握污染是如何发生的，需要获得正确的污染气体信息。只有掌握了大气污染的程度、污染源及其所在地等正确的信息，才能采取降低污染的措施。
近年来红外探测技术和高光谱成像技术飞速发展，采用高光谱红外成像技术为在线监测气体污染物提供了可能。这种技术与传统的顶点取样方法相比具有很大的优势：a)远距离对气体排放物进行实时监测；b)无需繁琐的取样过程；c)能监控气体羽焰的动态分布，从而判断气体污染区域及扩散趋势。
在基于高光谱成像技术的气体检测装置中，高光谱红外图像处理技术至关重要。高光谱红外图像的数据量非常大，要对这些海量的数据进行分析，提取出有用的信息并对检测区域的气体种类和浓度进行测量是一个非常困难而又必须解决的问题。目前有很多高光谱/超光谱图像处理技术，但是针对气体检测的高光谱红外图像处理技术却比较缺乏。有必要针对高光谱红外成像气体检测技术开发专用的高光谱图像处理分析技术，使得利用高光谱红外成像技术实现在线气体检测分析成为可能。
发明内容
为了实现高光谱红外成像系统的在线气体检测分析，本发明提出一种基于高光谱红外图像处理的气体检测方法，该方法能够充分利用高光谱红外成像系统采集的高光谱红外图像数据，并根据气体的高光谱红外成像模型反演出气体的红外光谱特征信息，实现气体的在线实时检测分析。
本发明解决其技术问题所采用的技术方案是：一种基于高光谱红外图像处理的气体检测方法，包含以下几个步骤：
a)、采用高光谱红外成像系统采集目标区域的红外光谱数据；
b)、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；
c)、采用气体光谱反演算法计算气体的红外吸收谱曲线；
d)、对步骤b)中处理后的光谱数据以及步骤c)中计算得到的光谱数据进行归一化以降低谱线中直流分量的影响，然后采用基于特征加权的广义角相似性度量方法来判断气体的种类和浓度。
进一步，所述步骤b)的非线性滤波公式为：
上式中，i表示数据立方中的坐标(X，Y，Z)，其中X和Y分别表示空域的横坐标和纵坐标，Z表示光谱维坐标；N(i)表示i的邻域，表示i的灰度值；权重系数反应了yi和yj之间的相似程度，其可以由下式计算得出：
上式中，ζj表示位置j处的协方差矩阵，σ表示设定的平滑参数；
更进一步，所述步骤c)中气体光谱反演算法主要通过以下两个公式来实现：
Scalc＝(1-τgas)(Bgasτair+S2-S1) (4)
上式中，τgas表示被测气体的透过率，Bgas表示被测气体的普朗克辐射，τair表示被测气体和高光谱红外成像系统之间空气的透过率，Scalc表示被测气体辐射的计算值，S2表示被测气体和高光谱红外成像系统之间空气的辐射，S1表示背景和高光谱红外成像系统之间空气的辐射，αi(ν)表示气体光谱数据库中的第i种气体对于频率为v的光的吸收率，Ci为气体的浓度，l为光在气体中传播的光程。
更进一步，所述步骤d)中归一化和相似性度量如下所述：
根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计算值和实际的测量值Smeas之间的相似度，采用基于特征加权的广义角相似度度量方法，当某个计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测量值：
上式中，表示N维特征加权向量，N表示光谱数据立方的光谱维数，由下式求得：
上式中，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为N*M，表示卷积，sum(A)表示矩阵A中所有元素的和，α表示待设定的参数。
本发明的有益效果是：
1、采用非线性滤波器可以有效降低光谱噪声和图像噪声，提高光谱分析识别的精度；
2、采用气体光谱反演算法可以高精度地还原真实的气体红外吸收谱线，有效提高目标气体的识别精度，提高气体浓度的测量精度；
3、采用基于特征加权的广义角相似度度量方法，可以有效提高气体的检测精度，降低误检率。
附图说明
图1为本发明气体检测方法的原理框图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
图1所示为本发明气体检测方法的原理框图，实现气体检测主要包括以下步骤：
a)、采用高光谱红外成像系统采集目标区域的红外光谱数据；
b)、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；其中非线性滤波公式为：
上式中，i表示数据立方中的坐标(X，Y，Z)，其中X和Y分别表示空域的横坐标和纵坐标，Z表示光谱维坐标；N(i)表示i的邻域，表示i的灰度值；权重系数反应了yi和yj之间的相似程度，其可以由下式计算得出：
上式中，ζj表示位置j处的协方差矩阵，σ表示设定的平滑参数；
c)、采用气体光谱反演算法计算气体的红外吸收谱曲线；其中气体光谱反演算法主要通过以下两个公式来实现：
Scalc＝(1-τgas)(Bgasτair+S2-S1) (4)
上式中，τgas表示被测气体的透过率，Bgas表示被测气体的普朗克辐射，τair表示被测气体和高光谱红外成像系统之间空气的透过率，Scalc表示被测气体辐射的计算值，S2表示被测气体和高光谱红外成像系统之间空气的辐射，S1表示背景和高光谱红外成像系统之间空气的辐射，αi(ν)表示气体光谱数据库中的第i种气体对于频率为v的光的吸收率，Ci为气体的浓度，l为光在气体中传播的光程。
d)、对步骤c)中计算得到的光谱数据以及步骤b)步中处理后的光谱数据进行归一化，进而可以降低谱线中直流分量的影响，分别采用权重向量对计算出的光谱数据以及测量得到的光谱数据进行加权，并计算加权后的光谱数据之间的广义角，如果广义角小于设定的阈值，则判断当前的光谱曲线对应恰好为数据库中光谱曲线所对应的特定浓度的目标气体。
其中归一化和相似性度量如下所述：
根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计算值和实际的测量值Smeas之间的相似度，采用基于特征加权的广义角相似度度量方法，当某个计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测量值：
上式中，表示N维特征加权向量，N表示光谱数据立方的光谱维数，由下式求得：
上式中，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为N*M，表示卷积，sum(A)表示矩阵A中所有元素的和，α表示待设定的参数。
本发明通过高光谱红外图像处理模块对采集到的高光谱图像进行非线性滤波进而可以有效降低光谱噪声和图像噪声，然后利用气体高光谱成像模型以及气体红外吸收谱数据库来反演出气体光谱曲线，最后将反演出的计算值和实际的测量值进行比对，进而可以识别气体的种类和估测气体的浓度。
上述实施例仅例示性说明本发明的原理及其功效，以及部分运用的实施例，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (4)
1.一种基于高光谱红外图像处理的气体检测方法，其特征在于：包含以下几个步骤：
a)、采用高光谱红外成像系统采集目标区域的红外光谱数据；
b)、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；
c)、采用气体光谱反演算法计算气体的红外吸收谱曲线；
d)、对第步骤c)中计算得到的光谱数据以及步骤b)中处理后的光谱数据进行归一化以降低谱线中直流分量的影响，然后采用基于特征加权的广义角相似度度量方法来判断气体的种类和浓度。
2.根据权利要求1所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于，所述步骤b)的非线性滤波公式为：
上式中，i表示数据立方中的坐标(X，Y，Z)，其中X和Y分别表示空域的横坐标和纵坐标，Z表示光谱维坐标；N(i)表示i的邻域，表示i的灰度值；权重系数反映了yi和yj之间的相似程度，其可以由下式计算得出：
上式中，ζj表示位置j处的协方差矩阵，σ表示设定的平滑参数；
3.根据权利要求1所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于，所述步骤c)中气体光谱反演算法主要通过以下两个公式来实现：
Scalc＝(1-τgas)(Bgasτair+S2-S1) (4)
上式中，τgas表示被测气体的透过率，Bgas表示被测气体的普朗克辐射，τair表示被测气体和高光谱红外成像系统之间空气的透过率，Scalc表示被测气体辐射的计算值，S2表示被测气体和高光谱红外成像系统之间空气的辐射，S1表示背景和高光谱红外成像系统之间空气的辐射，αi(ν)表示气体光谱数据库中的第i种气体对于频率为v的光的吸收率，Ci为气体的浓度，l为光在气体中传播的光程。
4.根据权利要求3所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于，所述步骤d)中归一化和相似度度量如下所述：
根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计算值和实际的测量值Smeas之间的相似度，采用基于特征加权的广义角相似度度量方法，当某个计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测量值：
上式中，T为判断实际测量值与计算值是否相似的阀值，表示N维特征加权向量，N表示光谱数据立方的光谱维数，由下式求得：
上式中，M表示光谱图像宽度，N表示光谱图像高度，f表示函数矩阵，ρα表示高通滤波后的光谱图像的一个分段运算，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为N*M，表示卷积，sum(A)表示矩阵A中所有元素的和，α表示待设定的参数，K表示分段函数中的未知量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610347241.2A CN106018316B (zh) | 2016-05-23 | 2016-05-23 | 一种基于高光谱红外图像处理的气体检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610347241.2A CN106018316B (zh) | 2016-05-23 | 2016-05-23 | 一种基于高光谱红外图像处理的气体检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106018316A CN106018316A (zh) | 2016-10-12 |
| CN106018316B true CN106018316B (zh) | 2018-11-09 |
Family
ID=57093140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610347241.2A Active CN106018316B (zh) | 2016-05-23 | 2016-05-23 | 一种基于高光谱红外图像处理的气体检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106018316B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451590B (zh) * | 2017-07-19 | 2020-09-25 | 哈尔滨工程大学 | 基于高光谱红外图像的气体检测识别和浓度表示方法 |
| CN111782887A (zh) * | 2020-06-29 | 2020-10-16 | 数量级(上海)信息技术有限公司 | 一种泄漏气体的温度量化系统及方法 |
| CN112307267B (zh) * | 2020-06-29 | 2023-07-04 | 数量级(上海)信息技术有限公司 | 一种泄漏气体的浓度量化系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331402A (zh) * | 2011-06-01 | 2012-01-25 | 哈尔滨工业大学 | 一种高光谱成像化学气体检测识别方法 |
| CN105203465A (zh) * | 2015-09-16 | 2015-12-30 | 湖北久之洋红外系统股份有限公司 | 一种超光谱红外成像气体监测装置及其监测方法 |
| KR20160006525A (ko) * | 2014-07-09 | 2016-01-19 | 국방과학연구소 | 초분광 영상큐브의 밴드별 영상을 이용한 원거리 화학 가스 탐지 시스템 및 그 방법 |
| KR20160014440A (ko) * | 2014-07-29 | 2016-02-11 | 국방과학연구소 | 화학 가스 탐지 시스템 및 그의 제어 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7916947B2 (en) * | 2009-07-01 | 2011-03-29 | Lawrence Livermore National Security, Llc | False alarm recognition in hyperspectral gas plume identification |
-
2016
- 2016-05-23 CN CN201610347241.2A patent/CN106018316B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331402A (zh) * | 2011-06-01 | 2012-01-25 | 哈尔滨工业大学 | 一种高光谱成像化学气体检测识别方法 |
| KR20160006525A (ko) * | 2014-07-09 | 2016-01-19 | 국방과학연구소 | 초분광 영상큐브의 밴드별 영상을 이용한 원거리 화학 가스 탐지 시스템 및 그 방법 |
| KR20160014440A (ko) * | 2014-07-29 | 2016-02-11 | 국방과학연구소 | 화학 가스 탐지 시스템 및 그의 제어 방법 |
| CN105203465A (zh) * | 2015-09-16 | 2015-12-30 | 湖北久之洋红外系统股份有限公司 | 一种超光谱红外成像气体监测装置及其监测方法 |
Non-Patent Citations (5)
| Title |
|---|
| Hyperspectral imaging for thermal analysis and remote gas sensing in the short wave infrared;M.Pisani et al.;《Applied Physics B》;20120428;第108卷;第231-236页 * |
| Implications and mitigation of model mismatch and covariance contamination for hyperspectral chemical agent detection;Sidi Niu et al.;《Optical Engineering》;20130204;第52卷(第2期);第1-19页 * |
| Infrared Hyperspectral Imaging Sensor for Gas Detection;Michele Hinnrichs;《PROCEEDINGS OF THE SOCIETY OF PHOTO-OPTICAL INSTRUMENTATION ENGINEERS》;20001231;第4132卷;第344-355页 * |
| 小目标红外图像背景噪声的抑制及方法讨论;赵坤 等;《光学与光电技术》;20040430;第2卷(第2期);第9-12页 * |
| 星载高光谱红外传感器反演大气痕量气体综述;程洁 等;《遥感信息》;20070228;第90-97页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106018316A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108956505B (zh) | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 | |
| CN104374738B (zh) | 一种基于近红外提高鉴别结果的定性分析方法 | |
| CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN106018316B (zh) | 一种基于高光谱红外图像处理的气体检测方法 | |
| CN112417370B (zh) | 粗糙表面物质的穆勒琼斯矩阵估计及偏振噪声分析方法 | |
| CN103543123A (zh) | 一种掺假牛奶的红外光谱识别方法 | |
| CN114279982B (zh) | 水体污染信息获取方法及装置 | |
| Kumar et al. | Deep remote sensing methods for methane detection in overhead hyperspectral imagery | |
| CN108844917A (zh) | 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法 | |
| Liang et al. | Determination and visualization of different levels of deoxynivalenol in bulk wheat kernels by hyperspectral imaging | |
| CN105486663B (zh) | 一种利用近红外光谱检测土壤的稳定碳同位素比值的方法 | |
| CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
| CN109991181A (zh) | 自适应表面吸收光谱分析方法、系统、存储介质、设备 | |
| US20130262008A1 (en) | Measurement of light-absorption qualities in the visible spectrum using a camera | |
| CN103940767A (zh) | 基于多流形学习的气体浓度反演方法 | |
| Duan et al. | Sensitive variables extraction, non-destructive detection and visualization of total viable count (TVC) and pH in vacuum packaged lamb using hyperspectral imaging | |
| CN114660105A (zh) | 土壤重金属Cd含量反演方法、系统、介质、计算机设备 | |
| CN103134770B (zh) | 消除水分对近红外光谱检测土壤全氮含量影响的方法 | |
| CN116046692A (zh) | 一种基于高光谱的土壤重金属污染监测方法和装置 | |
| CN107316009A (zh) | 基于张量线性判别分析降维的高光谱图像目标检测方法 | |
| CN110008989A (zh) | 一种光谱特征相似条件下不同目标的红外光谱识别方法 | |
| CN111220571B (zh) | 一种基于幅值离散度的二次谐波信号拟合方法及系统 | |
| CN110793920B (zh) | 一种化学成像与高光谱联用的大气遥测方法 | |
| CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
| CN117269109A (zh) | 基于近红外光谱的混凝土结构中氯离子含量检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 430223 No. 9 Ming Ze street, mien Shan development area, Jiangxia District, Wuhan, Hubei Applicant after: Jiuzhiyang Infrared System Co., Ltd. Address before: 430223 Jiangxia City, Wuhan province sunshine road, No. 717, Applicant before: Jiuzhiyang Infrared System Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |