CN115901644A - 一种小麦条锈病光谱库建立方法 - Google Patents

Abstract

本发明涉及小麦条锈病监测领域，一种小麦条锈病光谱库建立方法，包括如下步骤：步骤一、小麦条锈病的高光谱影像及配套参数采集；步骤二、对采集到的高光谱影像数据预处理，得到色度均匀的高光谱影像；步骤三、对步骤二获得的高光谱图像进行小麦条锈病光谱特征提取及标准化处理；步骤四、建立用于存储小麦条锈病光谱数据、小麦高光谱影像数据及配套参数数据的小麦条锈病光谱库。本发明在采集高光谱影像的同时，采集了丰富、全面的配套参数，极大的提升了光谱数据的完整性及光谱库的全面性，提高了光谱库的实用性及适用性。

Description

一种小麦条锈病光谱库建立方法

技术领域

本发明涉及小麦条锈病监测领域，尤其是一种小麦条锈病光谱库建立方法。

背景技术

光谱库能够涵盖多种典型地面目标的光谱与特征参数，地物光谱数据库对于遥感信号识别地物、提取地表信息具有重要参考意义，识别的效率及精度问题可通过光谱库辅助解决。目前，国内外常见的光谱库主要包括美国地质调查局的USGS光谱库、美国喷气推进实验室的JPL野外地质光谱数据库、中国科学院建立的综合性地物光谱特性数据库以及中国科学院东北地理与农业生态研究所建立的长春净月潭地物光谱库。

现有的数据库光谱数据量大，地物种类齐全，但主要利用高光谱技术针对纯净物质构建的，但是针对某一类地物的精细化、应用化光谱库建设还需要进一步补充建立，小麦条锈病光谱库是国内空白，利用现有的光谱库的小麦光谱数据无法实现小麦条锈病的病害发展及监测预警等深入研究。

发明内容

针对上述问题，本方案提出了一种小麦条锈病光谱库建立方法，在采集高光谱影像的同时，采集了丰富、全面的配套参数，极大的提升了光谱数据的完整性及光谱库的全面性，提高了光谱库的实用性及适用性。

本发明提供如下技术方案：一种小麦条锈病光谱库建立方法，包括如下步骤：步骤一、小麦条锈病的高光谱影像及配套参数采集；步骤二、对采集到的高光谱影像数据预处理，得到色度均匀的高光谱影像；步骤三、对步骤二获得的高光谱图像进行小麦条锈病光谱特征提取及标准化处理；步骤四、建立用于存储小麦条锈病光谱数据、小麦高光谱影像数据及配套参数数据的小麦条锈病光谱库。

在步骤一中，在获取叶片尺度小麦条锈病的高光谱影像时，搭建暗箱环境，利用纤卤素灯放置在暗箱作为暗箱光源，利用高光谱成像仪进行高光谱影像数据采集，按照小麦叶片受条锈病侵染时段进行阶段性跟踪采集，包括接触期、侵入期、潜伏期和发病期，分别获取相同生长周期的健康小麦及不同侵染阶段的染病小麦高光谱影像，其中接接触期为第0-3天，侵入期为第4-6天，潜伏期为第7-9天，发病期为第10-12天。

配套参数包括观测目标信息、观测设备信息、观测地点信息、观测时间信息、观测方式信息、观测环境信息及观测人员信息；其中，观测目标信息包括小麦理化数据和小麦生化数据，小麦理化数据包括小麦的品种、叶绿素含量；小麦生化数据，指的是小麦的几何结构参数，包括叶面积指数、生长期；观测时间信息则包括观测时间、数据处理时间；观测地点信息包括存储测量环境数据，包括地名、经纬度、海拔高度；观测方式信息包括测量所采用的仪器平台、测量次数；观测环境信息包括观测时的大气状况，包括天空遮蔽、温度、湿度、风级；观测人员信息包含观测人员、数据处理人员信息。在获取配套参数时，主要划分为小麦结构数据、小麦理化数据、观测设备信息、观测地点信息、观测方式信息、观测环境信息及观测人员信息等，根据环境差异及建库需求对配套参数进行增减选择。

步骤二中，对获取的高光谱影像数据进行预处理包括镜头校正、黑白帧校正。配套参数数据预处理主要包括数据质量检查、分类存储、数据编码等标准化处理。针对获取的高光谱影像数据镜头校正，消除成像仪渐晕现象带来的图像亮度不均匀，得到色度均匀的高光谱影像，镜头校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据，Light_ci为高光谱影像各像素点进光量，Light_max为像素点最大进光量，

针对镜头校正后的影像黑白帧校正，消除光源、系统背景对样本光谱造成的影响，利用光谱成像仪在采集数据的同时采集暗背景数据及白帧数据，通过黑白帧计算对影像进行拉伸，将像元亮度值转换为地表真实反射率，黑白帧校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据；Dark_ci为暗背景数据；White_ci为白帧数据。

步骤三中，特征提取具体方法为：首先将进行了镜头校正、黑白帧校正预处理的小麦条锈病叶片高光谱影像按照不同侵染程度进行划分，即按照接触期、侵入期、潜伏期、发病期进行划分，然后根据影像上呈现出的小麦叶片条锈病染病区域，划分ROI区域，清除ROI区域的干扰像元，获取ROI区域中的纯净像元，进一步地获取上述纯净像元的光谱特征，去除测量数据中光谱形态与数值的差异较大的光谱特征后进行平均处理，取光谱均值作为最终光谱特征，然后，利用Savitzky-Golay平滑算法去除光谱噪声，得到纯净的健康小麦及染病小麦光谱特征数据，Savitzky-Golay平滑算法通过简化最小二乘拟合法对光谱进行卷积平滑处理，Savitzky-Golay平滑公式为：

其中，X_k为平滑后的光谱反射率，k为光谱曲线上的某个波长坐标，x_k为光谱曲线在k处的反射率，i是平滑窗内点的坐标，C_i为x_k光谱反射率对应的平滑系数，N为平滑窗内点的数量。

针对小麦条锈病光谱数据标准化处理，首先对经过Savitzky-Golay平滑处理的光谱进行质量检查，预处理的光谱数据进行检查，剔除反射率大于100％平滑光谱；对比观察预处理数据与对应的属性数据，剔除两者不匹配的光谱数据；对光谱数据的信息完整性进行核查，剔除信息不完整不充分的光谱数据，最后，将其转换成普通文本格式即ASCII文件格式存储。

步骤四中，小麦条锈病光谱库主要分为小麦条锈病光谱数据、小麦高光谱影像数据及配套参数数据三部分构成，形成四个数据表，四个数据表为光谱信息表、光谱数据表、光谱特征表及光谱参数表；首先建立光谱信息表，存储光谱编码ID、光谱名称及光谱文本；基于光谱信息表对应建立光谱数据表、光谱特征表及光谱参数表，通过建立光谱数据表、光谱特征表及光谱参数表三种数据表，结合影像数据、光谱数据、配套参数数据的数据信息，满足用户在实际应用中对光谱库的调用，包括按生长阶段、生长时期、侵染阶段调用光谱数据，获取光谱信息，同时能够查询光谱数据采集情况、环境情况信息，实现小麦条锈病光谱库的建立。

光谱数据表用于存储小麦高光谱影像数据，将步骤一采集的原始数据及经过步骤二预处理的影像数据，结合光谱数据编码ID进行编码及命名，并以tif格式进行存储；

光谱特征表用于存储小麦条锈病光谱数据，包括光谱的波长、反射率及光谱编码I，针对光谱编码ID，采用层次编码法，根据数据采集过程中涉及到的参数分类对小麦条锈病波谱库中各层级数据样本进行编码，各层级分别为行政区划、小麦种类、条锈菌种、生长时期、采集部位、采集时间、样本序号、采集序号；

光谱参数表用于存储小麦条锈病光谱的配套参数数据，提前建好配套参数分类的文件存储空间，在采集过程中，根据文件类型及样本编号进行分类，将采集的配套参数对应存储在相应的文件夹中，同时将各类型的配套参数进行统一格式存储，图片类型的配套参数数据存储为jpg格式，文档类型的配套参数数据存储为txt格式，纸质版的参数资料需进行扫描录入，存储为jpg格式，对步骤一采集的配套参数文件进行质量检查，按照不同时间、不同样本、不同类型等类别对配套参数进行分类，统一文件格式及命名方式，将配套参数文件与光谱编码ID进行统一。

通过上述描述可以看出，本方案首次建立了针对实际应用地物研究的光谱库，更加具有针对性及实用性；以小麦条锈病作为主要研究对象，针对小麦条锈病不同侵染阶段建立的小麦条锈病纯净光谱库有助于进行小麦条锈病的深入研究；区别于传统的利用光谱仪获取混合光谱，采用便携式光谱成像仪采集影像并提取光谱，实现像素级纯净光谱特征提取；通过获取小麦条锈病样本的高光谱影像，通过选定ROI区域并去除噪声影响，利用质量检查、平均处理、光谱平滑获取小麦条锈病纯净光谱，获取的光谱特征具备较高的准确性，提升了光谱库的可靠性；在采集高光谱影像的同时，采集了丰富、全面的配套参数，极大的提升了光谱数据的完整性及光谱库的全面性，提高了光谱库的实用性及适用性；在获取了充分、全面的光谱数据及配套参数的基础上，对光谱数据进行了文件格式、分类、命名、编码等相关规则的统一，提高了光谱库的规范性及标准性。

附图说明

图1是本发明具体实施方式中的流程图。

图2-1是小麦条锈病0-3天侵染阶段的光谱曲线及小麦叶片样本影像。

图2-2是小麦条锈病4-6天侵染阶段的光谱曲线及小麦叶片样本影像。

图2-3是小麦条锈病7-9天侵染阶段的光谱曲线及小麦叶片样本影像。

图2-4是小麦条锈病10-12天侵染阶段的光谱曲线及小麦叶片样本影像。

图3是高光谱影像数据及配套参数采集流程。

图4是高光谱影像数据预处理流程。

图5为光谱特征提取流程图。

图6为光谱信息表结构图。

具体实施方式

下面将结合本发明具体实施方式中的附图，对本发明具体实施方式中的技术方案进行清楚、完整地描述，显然，所描述的具体实施方式仅仅是本发明一种具体实施方式，而不是全部的具体实施方式。基于本发明中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

通过附图1可以看出，本发明的一种小麦条锈病光谱库建立方法，包括如下步骤：

步骤一、小麦条锈病的高光谱影像及配套参数采集；

如图3所示，在步骤一中，在获取叶片尺度小麦条锈病的高光谱影像时，搭建暗箱环境，利用4个100W光纤卤素灯放置在暗箱四角作为暗箱光源，利用便携式高光谱成像仪进行高光谱影像数据采集，便携式高光谱成像光谱范围为400-1000nm，可采集360个波段数据，光谱分辨率2.5nm，图像分辨率为1920像素2080像素，按照小麦叶片受条锈病侵染时段进行阶段性跟踪采集，包括接触期、侵入期、潜伏期和发病期，分别获取相同生长周期的健康小麦及不同侵染阶段的染病小麦高光谱影像，其中接接触期为第0-3天，侵入期为第4-6天，潜伏期为第7-9天，发病期为第10-12天，如图2所示。

配套参数包括观测目标信息、观测设备信息、观测地点信息、观测时间信息、观测方式信息、观测环境信息及观测人员信息；其中，观测目标信息包括小麦理化数据和小麦生化数据，小麦理化数据包括小麦的品种、叶绿素含量；小麦生化数据，指的是小麦的几何结构参数，包括叶面积指数、生长期；观测时间信息则包括观测时间、数据处理时间；观测地点信息包括存储测量环境数据，包括地名、经纬度、海拔高度；观测方式信息包括测量所采用的仪器平台、测量次数；观测环境信息包括观测时的大气状况，包括天空遮蔽、温度、湿度、风级；观测人员信息包含观测人员、数据处理人员信息。除了上述配套信息，波谱库及影像数据库还需要采集影像数据的相关信息，包含影像数据的获取时间、传感器、空间分辨率及光谱分辨率等。针对上述配套参数，需在光谱库的实际建设过程中，结合建库实际需求、环境差异以及数据采集的实际情况，对配套参数进行针对性的增减选择。

步骤二、对采集到的高光谱影像数据预处理，得到色度均匀的高光谱影像；

对获取的高光谱影像数据进行预处理包括镜头校正、黑白帧校正，配套参数数据预处理主要包括数据质量检查、分类存储、数据编码等标准化处理。配套参数数据预处理主要包括数据质量检查、分类存储、数据编码等标准化处理。对采集到的高光谱影像数据预处理时，如图4所示，针对获取的高光谱影像数据镜头校正，消除成像仪渐晕现象带来的图像亮度不均匀，得到色度均匀的高光谱影像，镜头校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据，Light_ci为高光谱影像各像素点进光量，Light_max为像素点最大进光量，

针对镜头校正后的影像黑白帧校正，消除光源、系统背景对样本光谱造成的影响，利用光谱成像仪在采集数据的同时采集暗背景数据及白帧数据，通过黑白帧计算对影像进行拉伸，将像元亮度值转换为地表真实反射率，黑白帧校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据；Dark_ci为暗背景数据；White_ci为白帧数据。

步骤三、对步骤二获得的高光谱图像进行小麦条锈病光谱特征提取及标准化处理；

如图5所示，特征提取具体方法为：首先将进行了镜头校正、黑白帧校正预处理的小麦条锈病叶片高光谱影像按照不同侵染程度进行划分，即按照接触期、侵入期、潜伏期、发病期进行划分，然后根据影像上呈现出的小麦叶片条锈病染病区域，划分ROI区域，清除ROI区域的干扰像元，获取ROI区域中的纯净像元，进一步地获取上述纯净像元的光谱特征，去除测量数据中光谱形态与数值的差异超过设定阈值的光谱特征后进行平均处理，取光谱均值作为最终光谱特征，然后，利用Savitzky-Golay平滑算法去除光谱噪声，得到纯净的健康小麦及染病小麦光谱特征数据，Savitzky-Golay平滑算法通过简化最小二乘拟合法对光谱进行卷积平滑处理，Savitzky-Golay平滑公式为：

其中，X_k为平滑后的光谱反射率，k为光谱曲线上的某个波长坐标，x_k为光谱曲线在k处的反射率，i是平滑窗内点的坐标，C_i为x_k光谱反射率对应的平滑系数，N为平滑窗内点的数量。

针对小麦条锈病光谱数据标准化处理，首先对经过SG平滑处理的光谱进行质量检查，预处理的光谱数据进行检查，剔除反射率大于100％平滑光谱；对比观察预处理数据与对应的属性数据，剔除两者不匹配的光谱数据；对光谱数据的信息完整性进行核查，剔除信息不完整不充分的光谱数据，最后，将其转换成普通文本格式即ASCII文件格式存储。

步骤四、建立用于存储小麦条锈病光谱数据、小麦高光谱影像数据及配套参数数据的小麦条锈病光谱库。

步骤四中，小麦条锈病光谱库包含四个数据表，四个数据表为光谱信息表、光谱数据表、光谱特征表及光谱参数表，如图6所示；首先建立光谱信息表，存储光谱编码ID、光谱名称及光谱文本；基于光谱信息表对应建立光谱数据表、光谱特征表及光谱参数表，通过建立光谱数据表、光谱特征表及光谱参数表三种数据表，结合影像数据、光谱数据、配套参数数据的数据信息，满足用户在实际应用中对光谱库的调用，包括按生长阶段、生长时期、侵染阶段调用光谱数据，获取光谱信息，同时能够查询光谱数据采集情况、环境情况信息，实现小麦条锈病光谱库的建立。

光谱数据表用于存储小麦高光谱影像数据，将步骤一采集的原始数据及经过步骤二预处理的影像数据，结合光谱数据编码ID进行编码及命名，并以tif格式进行存储；

光谱特征表用于存储小麦条锈病光谱数据，包括光谱的波长、反射率及光谱编码I，针对光谱编码ID，采用层次编码法，根据数据采集过程中涉及到的参数分类对小麦条锈病波谱库中各层级数据样本进行编码，各层级分别为行政区划、小麦种类、条锈菌种、生长时期、采集部位、采集时间、样本序号、采集序号；

光谱参数表用于存储小麦条锈病光谱的配套参数数据，提前建好配套参数分类的文件存储空间，在采集过程中，根据文件类型及样本编号进行分类，将采集的配套参数对应存储在相应的文件夹中，同时将各类型的配套参数进行统一格式存储，图片类型的配套参数数据存储为jpg格式，文档类型的配套参数数据存储为txt格式，纸质版的参数资料需进行扫描录入，存储为jpg格式，对步骤一采集的配套参数文件进行质量检查，按照不同时间、不同样本、不同类型等类别对配套参数进行分类，统一文件格式及命名方式，将配套参数文件与光谱编码ID进行统一。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种小麦条锈病光谱库建立方法，其特征在于包括如下步骤：

步骤一、小麦条锈病的高光谱影像及配套参数采集；

步骤二、对采集到的高光谱影像数据预处理，得到色度均匀的高光谱影像；

步骤三、对步骤二获得的高光谱图像进行小麦条锈病光谱特征提取及标准化处理；

步骤四、建立用于存储小麦条锈病光谱数据、小麦高光谱影像数据及配套参数数据的小麦条锈病光谱库。

2.跟据权利要求1所述的小麦条锈病光谱库建立方法，其特征是：

在步骤一中，在获取叶片尺度小麦条锈病的高光谱影像时，搭建暗箱环境，利用纤卤素灯放置在暗箱作为暗箱光源，利用高光谱成像仪进行高光谱影像数据采集，按照小麦叶片受条锈病侵染时段进行阶段性跟踪采集，包括接触期、侵入期、潜伏期和发病期，分别获取相同生长周期的健康小麦及不同侵染阶段的染病小麦高光谱影像，其中接接触期为第0-3天，侵入期为第4-6天，潜伏期为第7-9天，发病期为第10-12天。

3.跟据权利要求2所述的小麦条锈病光谱库建立方法，其特征是：

配套参数包括观测目标信息、观测设备信息、观测地点信息、观测时间信息、观测方式信息、观测环境信息及观测人员信息；

其中，观测目标信息包括小麦理化数据和小麦生化数据，小麦理化数据包括小麦的品种、叶绿素含量；小麦生化数据，指的是小麦的几何结构参数，包括叶面积指数、生长期；观测时间信息则包括观测时间、数据处理时间；观测地点信息包括存储测量环境数据，包括地名、经纬度、海拔高度；观测方式信息包括测量所采用的仪器平台、测量次数；观测环境信息包括观测时的大气状况，包括天空遮蔽、温度、湿度、风级；观测人员信息包含观测人员、数据处理人员信息。

4.跟据权利要求1所述的小麦条锈病光谱库建立方法，其特征是：

步骤二中，对获取的高光谱影像数据进行预处理包括镜头校正、黑白帧校正，对配套参数数据进行数据质量检查、分类存储、数据编码的预处理。

5.跟据权利要求4所述的小麦条锈病光谱库建立方法，其特征是：

针对获取的高光谱影像数据镜头校正，消除成像仪渐晕现象带来的图像亮度不均匀，得到色度均匀的高光谱影像，镜头校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据，Light_ci为高光谱影像各像素点进光量，Light_max为像素点最大进光量，

针对镜头校正后的影像黑白帧校正，消除光源、系统背景对样本光谱造成的影响，利用光谱成像仪在采集数据的同时采集暗背景数据及白帧数据，通过黑白帧计算对影像进行拉伸，将像元亮度值转换为地表真实反射率，黑白帧校正公式如下：

其中，Sample_ci为原始样本高光谱影像数据；Dark_ci为暗背景数据；White_ci为白帧数据。

6.跟据权利要求1所述的小麦条锈病光谱库建立方法，其特征是：

步骤三中，特征提取具体方法为：首先将进行了镜头校正、黑白帧校正预处理的小麦条锈病叶片高光谱影像按照不同侵染程度进行划分，即按照接触期、侵入期、潜伏期、发病期进行划分，然后根据影像上呈现出的小麦叶片条锈病染病区域，划分ROI区域，清除ROI区域的干扰像元，获取ROI区域中的纯净像元，进一步地获取上述纯净像元的光谱特征，去除测量数据中光谱形态与数值的差异较大的光谱特征后进行平均处理，取光谱均值作为最终光谱特征，然后，利用Savitzky-Golay平滑算法去除光谱噪声，得到纯净的健康小麦及染病小麦光谱特征数据，Savitzky-Golay平滑算法通过简化最小二乘拟合法对光谱进行卷积平滑处理，Savitzky-Golay平滑公式为：

其中，X_k为平滑后的光谱反射率，k为光谱曲线上的某个波长坐标，x_k为光谱曲线在k处的反射率，i是平滑窗内点的坐标，C_i为x_k光谱反射率对应的平滑系数，N为平滑窗内点的数量。

7.跟据权利要求1或6所述的小麦条锈病光谱库建立方法，其特征是：

针对小麦条锈病光谱数据标准化处理，首先对经过SG平滑处理的光谱进行质量检查，预处理的光谱数据进行检查，剔除反射率大于100％平滑光谱；对比观察预处理数据与对应的属性数据，剔除两者不匹配的光谱数据；对光谱数据的信息完整性进行核查，剔除信息不完整不充分的光谱数据，最后，将其转换成普通文本格式即ASCII文件格式存储。

8.跟据权利要求1所述的小麦条锈病光谱库建立方法，其特征是：

步骤四中，小麦条锈病光谱库包含四个数据表，四个数据表为光谱信息表、光谱数据表、光谱特征表及光谱参数表；首先建立光谱信息表，存储光谱编码ID、光谱名称及光谱文本；基于光谱信息表对应建立光谱数据表、光谱特征表及光谱参数表，通过建立光谱数据表、光谱特征表及光谱参数表三种数据表，结合影像数据、光谱数据、配套参数数据的数据信息，满足用户在实际应用中对光谱库的调用，包括按生长阶段、生长时期、侵染阶段调用光谱数据，获取光谱信息，同时能够查询光谱数据采集情况、环境情况信息，实现小麦条锈病光谱库的建立。

9.跟据权利要求8所述的小麦条锈病光谱库建立方法，其特征是：

光谱数据表用于存储小麦高光谱影像数据，将步骤一采集的原始数据及经过步骤二预处理的影像数据，结合光谱数据编码ID进行编码及命名，并以tif格式进行存储；

光谱特征表用于存储小麦条锈病光谱数据，包括光谱的波长、反射率及光谱编码I，针对光谱编码ID，采用层次编码法，根据数据采集过程中涉及到的参数分类对小麦条锈病波谱库中各层级数据样本进行编码，各层级分别为行政区划、小麦种类、条锈菌种、生长时期、采集部位、采集时间、样本序号、采集序号；

光谱参数表用于存储小麦条锈病光谱的配套参数数据，提前建好配套参数分类的文件存储空间，在采集过程中，根据文件类型及样本编号进行分类，将采集的配套参数对应存储在相应的文件夹中，同时将各类型的配套参数进行统一格式存储，图片类型的配套参数数据存储为jpg格式，文档类型的配套参数数据存储为txt格式，纸质版的参数资料需进行扫描录入，存储为jpg格式，对步骤一采集的配套参数文件进行质量检查，按照不同时间、不同样本、不同类型等类别对配套参数进行分类，统一文件格式及命名方式，将配套参数文件与光谱编码ID进行统一。

Images