CN107561240A - 一种利用草坪草‑微生物联合修复镉污染土壤的评价方法 - Google Patents

Abstract

本发明属于污染治理领域，公开了一种利用草坪草‑微生物联合修复镉污染土壤的评价方法。在镉浓度为10mg/kg的土壤中混播质量比为1:0.5‑1:2的黑麦草和地毯草种子，待种子发芽至2叶完全展开时，向黑麦草和地毯草根系土壤中添加体积比为1:1‑1:5的Bacillus sp.T3和Pseudomonas fluorescens Y5复合菌剂，接种量为0.6～1.5L/m²；50天后收割黑麦草和地毯草，利用混播草坪草对镉的吸收以及微生物复合菌剂的强化作用联合去除土壤中的镉；采用微生物传感器检测土壤中镉的含量。本发明增强富含镉污染土壤的去除效果以及对镉污染土壤的评价准确度有很大的提高。

Description

一种利用草坪草-微生物联合修复镉污染土壤的评价方法

技术领域

本发明属于污染治理领域，尤其涉及一种利用草坪草-微生物联合修复镉污染土壤的评价方法。

背景技术

镉是银白色有光泽的金属，其毒性较大，被镉污染的水体和食物对人体危害严重，日本曾因镉中毒出现“痛痛病”。镉会对呼吸道产生刺激，长期暴露会造成嗅觉丧失症、牙龈黄斑或渐成黄圈，镉化合物不易被肠道吸收，但可经呼吸被体内吸收，积存于肝或肾脏造成危害，尤以对肾脏损害最为明显。除此，还可导致骨质疏松和软化。近几年来，无论在中国还是在世界范围内，控制和减轻重金属对环境的污染已成为一个焦点问题。传统的物理和化学修复技术去除重金属污染物不彻底，且常导致二次污染。因此，开发有效的原位生物修复技术是治理重金属污染土壤的重要思路。

草坪草对镉污染土壤具一定的修复效果，目前关于土壤镉污染修复所使用的草坪草品种单一，且关于微生物对草坪草修复镉污染土壤的影响已有报道。但分属不同种属的促生菌株经优化组合，制备成复合菌剂后接种草坪草，对混播草坪草修复镉污染土壤的影响研究鲜见报道。

对土壤重金属污染水平和风险进行合理、准确地检测及评估是开展重金属污染治理的重要前提。重金属生物可利用度是对重金属毒性和环境风险进行真实、合理评估的重要参数。目前，重金属生物可利用度检测方法主要为化学方法，例如，Tessier和BCR-SEPs连续提取法等。化学方法具有高灵敏度和高准确性的特点，但由于其只对重金属生物可利用度进行模拟，并非检测真实的重金属生物可利用度，因此不具有反映重金属真实环境风险的能力。

发明内容

针对现有技术存在的问题，本发明提供了一种利用草坪草-微生物联合修复镉污染土壤的评价方法。

本发明是这样实现的，一种利用草坪草-微生物联合修复镉污染土壤的评价方法，所述利用草坪草-微生物联合修复镉污染土壤的评价方法包括以下步骤：

步骤一，在镉浓度为10mg/kg的土壤中混播黑麦草和地毯草种子，其质量比为1:0.5-1:2；

步骤二，待种子发芽至2叶完全展开时，向黑麦草和地毯草根系土壤中添加体积比为1:1-1:5的Bacillus sp.T3和Pseudomonas fluorescens Y5复合菌剂，其中，Bacillussp.T3菌悬液的浓度为6.0×10¹⁰cfu/mL-7.6×10¹⁰cfu/mL，Pseudomonas fluorescens Y5菌悬液的浓度为4.8×10⁹cfu/mL-6.2×10⁹cfu/mL，接种到土壤中的用量为0.6～1.5L/m²；

步骤三，50天后收割黑麦草和地毯草，利用混播黑麦草和地毯草对镉的吸收以及微生物复合菌剂的强化作用联合去除土壤中的镉；

步骤四，采用微生物传感器检测土壤中镉的含量；所述微生物传感器包括PC检测底板，在PC检测底板表面具有一条合金涂层传导通道，合金涂层传导通道一端与引线相连，另外一端为检测涂层，在检测涂层上方覆盖有一层PC盖板，在PC盖板上，与检测涂层相对应的位置设有检测池，检测涂层成为检测池的底面，在检测池的检测涂层表面敷有一层镉离子检测涂层；

所述检测池的底部安装有无线信号发射器，与镉离子检测涂层有线连接；所述无线信号发射器与显示屏无线连接；

所述无线信号发射器适于低信噪比信道环境的OFDM系统符号定时同步的实现方法包括：

(1)根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))_N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；

(2)由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；

(3)由(2)得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；

所述显示屏采用二维多尺度离散正交小波变换对所采集的图像进行非均匀光照补偿的实现方法为：

设f(x,y)为图像信号，其反射分量和光照分量分别为r(x,y)和i(x,y)，并定义图像的二维多尺度离散正交小波变换为：

式中，S_jf(n,m)是f(x,y)的低频分量；分别代表f(x,y)的垂直、对角和水平高频分量，图像信号与其反射分量和光照分量之间的关系用下式来表示：

f(x,y)＝r(x,y)×i(x,y)；

将两边取对数后，等式右边的乘积关系转变为加法关系，得：

lgf(x,y)＝lgr(x,y)+lgi(x,y)；

具体步骤如下：

对空间域中的图像f(x,y)进行对数变换，得到对数域中的图像f′(x,y)；

对f′(x,y)进行多级二维多尺度离散正交小波变换，得到低频分量S_jf(n,m)，垂直、对角和水平高频分量分别为对得到的分量进行高通滤波获得图像的高频部分；

提取出第n级高频近似分量W_nf(n,m)；

对W_nf(n,m)进行n级二维离散小波重建，得到对数域图像f′(x,y)的重建图像

从f′(x,y)中减去后再加上标准光照，得到光照补偿后的图像其中Δu为标准光照，标准光照是指环境中的照度为2000-3000流明，且不受其它光线或颜色的干扰的光照；

所述显示器计算每个分割后的图像区域和小图像集合中每个图像的视觉特征；使用颜色直方图特征作为图像的视觉特征；对于输入的图像，大小为w×h。分别对RGB三个通道的图像进行直方图特征的统计；对于任一通道的图像，均可看成一幅灰度图像，每个像素点的像素值在[0，255]的范围；将像素值量化为16个bin，每个bin的区间长度为16个灰度级；统计图像中落在每个bin中的像素点数，得到数量分布直方图：{m₁，m₂，…m₁₆}，其中m_i表示第i个bin中像素点的数量，m₁+m₂+…+m₁₆＝w×h；将数量直方图归一化后得到直翻图特征{f₁，f₂，…f₁₆}，其中对RGB三个通道图像的直方图特征串联到一起，得到视觉特征：f＝{f_r1，f_r2，…f_r16，f_g1，f_g2，…f_g16，f_b1，f_b2，…f_b16}，特征维度为48；

所述显示屏色彩信息标定方法具体包括以下步骤：

步骤一、选择标定色卡与标定光源，标定色卡不少于24个色样，根据标定色卡N个色样的光谱反射比ρ_i(λ)和标定光源的光谱强度分布结合CIE1931标准色度系统的色匹配函数通过下面两个公式计算出标定色卡N个色样在CIE1931标准色度系统下的CIEXYZ三刺激值(X_i,Y_i,Z_i)；

通过和下式计算出标定光源在CIE1931标准色度系统下的CIEXYZ三刺激值(X_W,Y_W,Z_W)；

其中，Δλ是计算时所采用的光谱采样间隔，取5nm，i为标定色卡N个色样的序号，i＝1,2,3,…,N；

步骤二、将步骤一所获的(X_i,Y_i,Z_i)和(X_W,Y_W,Z_W)代入下面两个公式，计算出每个色样在色彩空间CIELAB的坐标

步骤三、分别采用参照成像系统和待标定成像系统，对标定光源下的N个色样进行成像，记录获取数字图像的色彩信息，读取每个色样在两个成像系统中对应的数字驱动值(R_Si,G_Si,B_Si)和(R_Ti,G_Ti,B_Ti)；

步骤四、对于待标定成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Ti,G_Ti,B_Ti)，采用最小二乘法拟合出下式中由(R_Ti,G_Ti,B_Ti)预测至的映射矩阵M_T，M_T为3×11矩阵；

步骤五、对于参照成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Si,G_Si,B_Si)，采用最小二乘法拟合出由预测至(R_Si,G_Si,B_Si)的映射矩阵H_SI，H_SI为3×10矩阵；

步骤六、对于待标定成像系统在任意成像环境下任一场景获取的数字图像，采用步骤四所获的映射矩阵M_T，通过下式，由每像素的数字驱动值(R_Tj',G_Tj',B_Tj')预测出对应的CIELAB空间坐标其中j＝1,2,3,…,N'，N'是待标定成像系统获取数字图像的总像素数目；

步骤七、对于步骤六所获待标定成像系统每像素的CIELAB空间坐标采用步骤五所获的映射矩阵H_SI，通过下式，预测出每像素对应的标定后数字驱动值(R_Sj',G_Sj',B_Sj')，即完成了两个成像系统间的色彩信息标定，使待标定成像系统在任意成像环境下某场景获取的数字图像具有与参照成像系统一致的数字驱动值；

进一步，所述混播黑麦草和地毯草种子，其质量比为1:0.5-1:2。

进一步，所述微生物复合菌剂是采用体积比为1:1-1:5的Bacillus sp.T3和Pseudomonas fluorescens Y5复合菌剂。

进一步，所述混播黑麦草和地毯草在镉污染土壤中生长期间的气温为25℃～35℃，空气相对湿度为60％～90％，土壤含水量为70％～80％。

本发明的优点与积极效果为：相比单一草坪草品种，混播草坪草尤其与微生物复合菌剂的联合作用能更好地增强富含镉污染土壤的去除效果；同时，无线信号发射器适于低信噪比信道环境的OFDM系统符号定时同步的实现方法，提高了无线信号的传输效率，有利于提高微生物传感器的工作效率；显示屏采用二维多尺度离散正交小波变换对所采集的图像进行非均匀光照补偿的实现方法，有利于提高图像的清晰度，对镉污染土壤的评价准确度有很大的提高。

附图说明

图1是本发明实施提供的利用草坪草-微生物联合修复镉污染土壤的评价方法流程图。

图2是本发明实施提供的微生物传感器结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的利用草坪草-微生物联合修复镉污染土壤的评价方法包括以下步骤：

S101：在镉浓度为10mg/kg的土壤中混播黑麦草和地毯草种子，其质量比为1:0.5-1:2；

S102：待种子发芽至2叶完全展开时，向黑麦草和地毯草根系土壤中添加体积比为1:1-1:5的Bacillus sp.T3和Pseudomonas fluorescens Y5复合菌剂，其中，Bacillussp.T3菌悬液的浓度为6.0×10¹⁰cfu/mL-7.6×10¹⁰cfu/mL，Pseudomonas fluorescensY5菌悬液的浓度为4.8×10⁹cfu/mL-6.2×10⁹cfu/mL，接种到土壤中的用量为0.6～1.5L/m²；

S103：50天后收割黑麦草和地毯草，利用混播黑麦草和地毯草对镉的吸收以及微生物复合菌剂的强化作用联合去除土壤中的镉；

S104：采用微生物传感器检测土壤中镉的含量；所述微生物传感器包括PC检测底板，在PC检测底板表面具有一条合金涂层传导通道，合金涂层传导通道一端与引线相连，另外一端为检测涂层，在检测涂层上方覆盖有一层PC盖板，在PC盖板上，与检测涂层相对应的位置设有检测池，检测涂层成为检测池的底面，在检测池的检测涂层表面敷有一层镉离子检测涂层。

微生物复合菌剂；体积比为1:2的Bacillus sp.T3(周小梅，赵运林，董萌，等，芽孢杆菌T3菌株对镉胁迫下蒌蒿生理特性和根际微生物的影响，西北植物学报，2016，36(10):2030～2037。)菌悬液和Pseudomonas fluorescensY5(周小梅，赵运林，董萌，等，荧光假单胞菌对蒌蒿生理与根际微生态的影响，环境科学与技术，2016，39(8):58～63。)菌悬液，其中，Bacillus sp.T3菌悬液的浓度为6.8×10¹⁰cfu/mL，Pseudomonas fluorescens Y5菌悬液的浓度为5.6×10⁹cfu/mL。

如图2所示，本发明实施例提供的微生物传感器包括：以一块50×75×1mm(长×宽×厚)的聚碳酸酯底板(PC板)作为PC检测底板1，在PC检测底板1上用合金材料(主要的成分是铜和镍)电镀一条用于传导电信号的“火柴型”通道，即镉离子合金涂层传导通道11。镉离子合金涂层传导通道11是由直径为10mm的圆形涂层和7×60mm(长×宽)的矩形涂层连接而成，圆形涂层处作为检测涂层，即为镉离子检测涂层111，将此处定为检测位点，矩形涂层起传输信号作用；然后在PC检测底板1下部50×55mm(长×宽)的范围内均匀地涂一层约400μm厚度的环氧树脂，镉离子检测涂层111上不涂覆环氧树脂，接着，将一块50×55×1mm(长×宽×厚)的PC盖板2覆盖于PC检测底板1下部的上面，使其粘附在环氧树脂上面，环氧树脂主要起粘附和绝缘的作用，并在此PC盖板2上对应镉离子检测涂层111的位置开出直径为10mm的圆形孔洞，孔洞部分和检测涂层就形成检测池，即为镉离子检测池3，检测涂层111位于镉离子检测池3的底面。所述检测池3的底部安装有无线信号发射器4，与镉离子检测涂层有线连接；所述无线信号发射器4与显示屏5无线连接。

所述检测池的底部安装有无线信号发射器，与镉离子检测涂层有线连接；所述无线信号发射器与显示屏无线连接；

所述无线信号发射器适于低信噪比信道环境的OFDM系统符号定时同步的实现方法包括：

(1)根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))_N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；

(2)由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；

(3)由(2)得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；

所述显示屏采用二维多尺度离散正交小波变换对所采集的图像进行非均匀光照补偿的实现方法为：

设f(x,y)为图像信号，其反射分量和光照分量分别为r(x,y)和i(x,y)，并定义图像的二维多尺度离散正交小波变换为：

式中，S_jf(n,m)是f(x,y)的低频分量；分别代表f(x,y)的垂直、对角和水平高频分量，图像信号与其反射分量和光照分量之间的关系用下式来表示：

f(x,y)＝r(x,y)×i(x,y)；

将两边取对数后，等式右边的乘积关系转变为加法关系，得：

lgf(x,y)＝lgr(x,y)+lgi(x,y)；

具体步骤如下：

对空间域中的图像f(x,y)进行对数变换，得到对数域中的图像f′(x,y)；

对f′(x,y)进行多级二维多尺度离散正交小波变换，得到低频分量S_jf(n,m)，垂直、对角和水平高频分量分别为对得到的分量进行高通滤波获得图像的高频部分；

提取出第n级高频近似分量W_nf(n,m)；

对W_nf(n,m)进行n级二维离散小波重建，得到对数域图像f′(x,y)的重建图像

从f′(x,y)中减去后再加上标准光照，得到光照补偿后的图像其中Δu为标准光照，标准光照是指环境中的照度为2000-3000流明，且不受其它光线或颜色的干扰的光照；

所述显示器计算每个分割后的图像区域和小图像集合中每个图像的视觉特征；使用颜色直方图特征作为图像的视觉特征；对于输入的图像，大小为w×h。分别对RGB三个通道的图像进行直方图特征的统计；对于任一通道的图像，均可看成一幅灰度图像，每个像素点的像素值在[0，255]的范围；将像素值量化为16个bin，每个bin的区间长度为16个灰度级；统计图像中落在每个bin中的像素点数，得到数量分布直方图：{m₁，m₂，…m₁₆}，其中m_i表示第i个bin中像素点的数量，m₁+m₂+…+m₁₆＝w×h；将数量直方图归一化后得到直翻图特征{f₁，f₂，…f₁₆}，其中对RGB三个通道图像的直方图特征串联到一起，得到视觉特征：f＝{f_r1，f_r2，…f_r16，f_g1，f_g2，…f_g16，f_b1，f_b2，…f_b16}，特征维度为48；

所述显示屏色彩信息标定方法具体包括以下步骤：

步骤一、选择标定色卡与标定光源，标定色卡不少于24个色样，根据标定色卡N个色样的光谱反射比ρ_i(λ)和标定光源的光谱强度分布结合CIE1931标准色度系统的色匹配函数通过下面两个公式计算出标定色卡N个色样在CIE1931标准色度系统下的CIEXYZ三刺激值(X_i,Y_i,Z_i)；

通过和下式计算出标定光源在CIE1931标准色度系统下的CIEXYZ三刺激值(X_W,Y_W,Z_W)；

其中，Δλ是计算时所采用的光谱采样间隔，取5nm，i为标定色卡N个色样的序号，i＝1,2,3,…,N；

步骤二、将步骤一所获的(X_i,Y_i,Z_i)和(X_W,Y_W,Z_W)代入下面两个公式，计算出每个色样在色彩空间CIELAB的坐标

步骤三、分别采用参照成像系统和待标定成像系统，对标定光源下的N个色样进行成像，记录获取数字图像的色彩信息，读取每个色样在两个成像系统中对应的数字驱动值(R_Si,G_Si,B_Si)和(R_Ti,G_Ti,B_Ti)；

步骤四、对于待标定成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Ti,G_Ti,B_Ti)，采用最小二乘法拟合出下式中由(R_Ti,G_Ti,B_Ti)预测至的映射矩阵M_T，M_T为3×11矩阵；

步骤五、对于参照成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Si,G_Si,B_Si)，采用最小二乘法拟合出由预测至(R_Si,G_Si,B_Si)的映射矩阵H_SI，H_SI为3×10矩阵；

步骤六、对于待标定成像系统在任意成像环境下任一场景获取的数字图像，采用步骤四所获的映射矩阵M_T，通过下式，由每像素的数字驱动值(R_Tj',G_Tj',B_Tj')预测出对应的CIELAB空间坐标其中j＝1,2,3,…,N'，N'是待标定成像系统获取数字图像的总像素数目；

步骤七、对于步骤六所获待标定成像系统每像素的CIELAB空间坐标采用步骤五所获的映射矩阵H_SI，通过下式，预测出每像素对应的标定后数字驱动值(R_Sj',G_Sj',B_Sj')，即完成了两个成像系统间的色彩信息标定，使待标定成像系统在任意成像环境下某场景获取的数字图像具有与参照成像系统一致的数字驱动值；

进一步，所述混播黑麦草和地毯草种子，其质量比为1:1。

进一步，所述的微生物复合菌剂是体积比为1:2的Bacillus sp.T3和Pseudomonasfluorescens Y5复合菌剂。

进一步，所述的微生物复合菌剂接种到土壤中的用量为1.2L/m²。

进一步，所述混播黑麦草和地毯草在镉污染土壤中生长期间的气温为25℃～35℃，空气相对湿度为60％～90％，土壤含水量为70％～80％。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种利用草坪草-微生物联合修复镉污染土壤的评价方法，其特征在于，所述利用草坪草-微生物联合修复镉污染土壤的评价方法包括以下步骤：

步骤一，在镉浓度为10mg/kg的土壤中混播黑麦草和地毯草种子，其质量比为1:0.5-1:2；

步骤二，待种子发芽至2叶完全展开时，向黑麦草和地毯草根系土壤中添加体积比为1:1-1:5的Bacillus sp.T3和Pseudomonas fluorescens Y5复合菌剂，其中，Bacillus sp.T3菌悬液的浓度为6.0×10¹⁰cfu/mL-7.6×10¹⁰cfu/mL，Pseudomonas fluorescens Y5菌悬液的浓度为4.8×10⁹cfu/mL-6.2×10⁹cfu/mL，接种到土壤中的用量为0.6～1.5L/m²；

步骤三，50天后收割黑麦草和地毯草，利用混播黑麦草和地毯草对镉的吸收以及微生物复合菌剂的强化作用联合去除土壤中的镉；

步骤四，采用微生物传感器检测土壤中镉的含量；所述微生物传感器包括PC检测底板，在PC检测底板表面具有一条合金涂层传导通道，合金涂层传导通道一端与引线相连，另外一端为检测涂层，在检测涂层上方覆盖有一层PC盖板，在PC盖板上，与检测涂层相对应的位置设有检测池，检测涂层成为检测池的底面，在检测池的检测涂层表面敷有一层镉离子检测涂层；

所述检测池的底部安装有无线信号发射器，与镉离子检测涂层有线连接；所述无线信号发射器与显示屏无线连接；

所述无线信号发射器适于低信噪比信道环境的OFDM系统符号定时同步的实现方法包括：

(1)根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))_N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；

(2)由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；

(3)由(2)得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；

所述显示屏采用二维多尺度离散正交小波变换对所采集的图像进行非均匀光照补偿的实现方法为：

设f(x,y)为图像信号，其反射分量和光照分量分别为r(x,y)和i(x,y)，并定义图像的二维多尺度离散正交小波变换为：

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mi>j</mi> </msub> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&amp;Integral;</mo> <mo>&amp;Integral;</mo> </mrow> <msup> <mi>R</mi> <mn>2</mn> </msup> </munder> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mn>2</mn> <mrow> <mn>2</mn> <mi>j</mi> </mrow> </msup> <msub> <mi>&amp;Phi;</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>n</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>m</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>W</mi> <mi>j</mi> <mn>1</mn> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&amp;Integral;</mo> <mo>&amp;Integral;</mo> </mrow> <msup> <mi>R</mi> <mn>2</mn> </msup> </munder> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mn>2</mn> <mrow> <mn>2</mn> <mi>j</mi> </mrow> </msup> <msubsup> <mi>&amp;Psi;</mi> <mi>j</mi> <mn>1</mn> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>n</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>m</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>W</mi> <mi>j</mi> <mn>2</mn> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&amp;Integral;</mo> <mo>&amp;Integral;</mo> </mrow> <msup> <mi>R</mi> <mn>2</mn> </msup> </munder> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mn>2</mn> <mrow> <mn>2</mn> <mi>j</mi> </mrow> </msup> <msubsup> <mi>&amp;Psi;</mi> <mi>j</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>n</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>m</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>W</mi> <mi>j</mi> <mn>3</mn> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&amp;Integral;</mo> <mo>&amp;Integral;</mo> </mrow> <msup> <mi>R</mi> <mn>2</mn> </msup> </munder> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mn>2</mn> <mrow> <mn>2</mn> <mi>j</mi> </mrow> </msup> <msubsup> <mi>&amp;Psi;</mi> <mi>j</mi> <mn>3</mn> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>n</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>m</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

式中，S_jf(n,m)是f(x,y)的低频分量；分别代表f(x,y)的垂直、对角和水平高频分量，图像信号与其反射分量和光照分量之间的关系用下式来表示：

f(x,y)＝r(x,y)×i(x,y)；

将两边取对数后，等式右边的乘积关系转变为加法关系，得：

lgf(x,y)＝lgr(x,y)+lgi(x,y)；

具体步骤如下：

对空间域中的图像f(x,y)进行对数变换，得到对数域中的图像f′(x,y)；

对f′(x,y)进行多级二维多尺度离散正交小波变换，得到低频分量S_jf(n,m)，垂直、对角和水平高频分量分别为对得到的分量进行高通滤波获得图像的高频部分；

提取出第n级高频近似分量W_nf(n,m)；

对W_nf(n,m)进行n级二维离散小波重建，得到对数域图像f′(x,y)的重建图像

从f′(x,y)中减去后再加上标准光照，得到光照补偿后的图像其中Δu为标准光照，标准光照是指环境中的照度为2000-3000流明，且不受其它光线或颜色的干扰的光照；

所述显示器计算每个分割后的图像区域和小图像集合中每个图像的视觉特征；使用颜色直方图特征作为图像的视觉特征；对于输入的图像，大小为w×h；分别对RGB三个通道的图像进行直方图特征的统计；对于任一通道的图像，均可看成一幅灰度图像，每个像素点的像素值在[0，255]的范围；将像素值量化为16个bin，每个bin的区间长度为16个灰度级；统计图像中落在每个bin中的像素点数，得到数量分布直方图：{m₁，m₂，…m₁₆}，其中m_i表示第i个bin中像素点的数量，m₁+m₂+…+m₁₆＝w×h；将数量直方图归一化后得到直翻图特征{f₁，f₂，…f₁₆}，其中对RGB三个通道图像的直方图特征串联到一起，得到视觉特征：f＝{f_r1，f_r2，…f_r16，f_g1，f_g2，…f_g16，f_b1，f_b2，…f_b16}，特征维度为48；

所述显示屏色彩信息标定方法具体包括以下步骤：

步骤一、选择标定色卡与标定光源，标定色卡不少于24个色样，根据标定色卡N个色样的光谱反射比ρ_i(λ)和标定光源的光谱强度分布结合CIE1931标准色度系统的色匹配函数通过下面两个公式计算出标定色卡N个色样在CIE1931标准色度系统下的CIEXYZ三刺激值(X_i,Y_i,Z_i)；

通过和下式计算出标定光源在CIE1931标准色度系统下的CIEXYZ三刺激值(X_W,Y_W,Z_W)；

其中，Δλ是计算时所采用的光谱采样间隔，取5nm，i为标定色卡N个色样的序号，i＝1,2,3,…,N；

步骤二、将步骤一所获的(X_i,Y_i,Z_i)和(X_W,Y_W,Z_W)代入下面两个公式，计算出每个色样在色彩空间CIELAB的坐标

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>=</mo> <mn>116</mn> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mn>16</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>=</mo> <mn>500</mn> <mo>&amp;lsqb;</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>=</mo> <mn>200</mn> <mo>&amp;lsqb;</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>3</mn> </mrow> </msup> </mtd> <mtd> <mrow> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>&gt;</mo> <mn>0.008856</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>7.787</mn> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mn>16</mn> <mo>/</mo> <mn>116</mn> </mrow> </mtd> <mtd> <mrow> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>X</mi> <mi>W</mi> </msub> <mo>&amp;le;</mo> <mn>0.008856</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msup> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>3</mn> </mrow> </msup> </mtd> <mtd> <mrow> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>&gt;</mo> <mn>0.008556</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>7.787</mn> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mn>16</mn> <mo>/</mo> <mn>116</mn> </mrow> </mtd> <mtd> <mrow> <msub> <mi>Y</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Y</mi> <mi>W</mi> </msub> <mo>&amp;le;</mo> <mn>0.008556</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msup> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>3</mn> </mrow> </msup> </mtd> <mtd> <mrow> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>&gt;</mo> <mn>0.008856</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>7.787</mn> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mn>16</mn> <mo>/</mo> <mn>116</mn> </mrow> </mtd> <mtd> <mrow> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>Z</mi> <mi>W</mi> </msub> <mo>&amp;le;</mo> <mn>0.008856</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

步骤三、分别采用参照成像系统和待标定成像系统，对标定光源下的N个色样进行成像，记录获取数字图像的色彩信息，读取每个色样在两个成像系统中对应的数字驱动值(R_Si,G_Si,B_Si)和(R_Ti,G_Ti,B_Ti)；

步骤四、对于待标定成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Ti,G_Ti,B_Ti)，采用最小二乘法拟合出下式中由(R_Ti,G_Ti,B_Ti)预测至的映射矩阵M_T，M_T为3×11矩阵；

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msub> <mi>M</mi> <mi>T</mi> </msub> <msup> <mrow> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <msub> <mi>R</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>G</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>B</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>,</mo> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>,</mo> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>,</mo> <msub> <mi>R</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>G</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>G</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>B</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>B</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>R</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>R</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>G</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>B</mi> <mrow> <mi>T</mi> <mi>i</mi> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>;</mo> </mrow>

步骤五、对于参照成像系统，根据步骤二所获的N个色样CIELAB坐标和步骤三所获的N个色样数字驱动值(R_Si,G_Si,B_Si)，采用最小二乘法拟合出由预测至(R_Si,G_Si,B_Si)的映射矩阵H_SI，H_SI为3×10矩阵；

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>R</mi> <mrow> <mi>S</mi> <mi>i</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>G</mi> <mrow> <mi>S</mi> <mi>i</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>B</mi> <mrow> <mi>S</mi> <mi>i</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>I</mi> </mrow> </msub> <msup> <mrow> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>,</mo> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>,</mo> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>,</mo> <msubsup> <mi>L</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>2</mn> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>a</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>2</mn> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>b</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>2</mn> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>L</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>3</mn> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>a</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>3</mn> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>b</mi> <mi>i</mi> <mrow> <mo>*</mo> <mn>3</mn> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>;</mo> </mrow>

步骤六、对于待标定成像系统在任意成像环境下任一场景获取的数字图像，采用步骤四所获的映射矩阵M_T，通过下式，由每像素的数字驱动值(R_Tj',G_Tj',B_Tj')预测出对应的CIELAB空间坐标其中j＝1,2,3,…,N'，N'是待标定成像系统获取数字图像的总像素数目；

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msup> <msubsup> <mi>L</mi> <mi>j</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <msubsup> <mi>a</mi> <mi>j</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <msubsup> <mi>b</mi> <mi>j</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msub> <mi>M</mi> <mi>T</mi> </msub> <msup> <mrow> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msup> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mn>2</mn> </msup> <mo>,</mo> <msup> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mn>2</mn> </msup> <mo>,</mo> <msup> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mn>2</mn> </msup> <mo>,</mo> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>,</mo> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>G</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;CenterDot;</mo> <msubsup> <mi>B</mi> <mrow> <mi>T</mi> <mi>j</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>;</mo> </mrow>

步骤七、对于步骤六所获待标定成像系统每像素的CIELAB空间坐标采用步骤五所获的映射矩阵H_SI，通过下式，预测出每像素对应的标定后数字驱动值(R_Sj',G_Sj',B_Sj')，即完成了两个成像系统间的色彩信息标定，使待标定成像系统在任意成像环境下某场景获取的数字图像具有与参照成像系统一致的数字驱动值；

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msup> <msub> <mi>R</mi> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <msub> <mi>G</mi> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <msub> <mi>B</mi> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>I</mi> </mrow> </msub> <msup> <mrow> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <msup> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> <mo>,</mo> <msup> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> <mo>,</mo> <msup> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>&amp;prime;</mo> </msup> <mo>,</mo> <msup> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>,</mo> <msup> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>,</mo> <msup> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>,</mo> <msup> <msubsup> <mi>L</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>3</mn> </mrow> </msup> <mo>,</mo> <msup> <msubsup> <mi>a</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>3</mn> </mrow> </msup> <mo>,</mo> <msup> <msubsup> <mi>b</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>&amp;prime;</mo> <mn>3</mn> </mrow> </msup> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>.</mo> </mrow>

2.如权利要求1所述的利用草坪草-微生物联合修复镉污染土壤的评价方法，其特征在于，所述混播黑麦草和地毯草种子质量比为1:0.5-1:2。

3.如权利要求1所述的利用草坪草-微生物联合修复镉污染土壤的评价方法，其特征在于，所述微生物复合菌剂是采用体积比为1:1-1:5的Bacillus sp.T3和Pseudomonasfluorescens Y5复合菌剂。

4.如权利要求1所述的利用草坪草-微生物联合修复镉污染土壤的评价方法，其特征在于，所述黑麦草和地毯草在镉污染土壤中生长期间的气温为25℃～35℃，空气相对湿度为60％～90％，土壤含水量为70％～80％。