CN101692037A - 高光谱图像和独立分量分析植物叶面叶绿素分布的方法 - Google Patents

Abstract

高光谱图像和独立分量分析植物叶面叶绿素分布的方法，涉及一种植物叶面叶绿素分布的预测方法。按照下述步骤进行：高光谱图像预处理、独立分量分析和选择、计算植物叶面叶绿素分布。其中所述的高光谱图像预处理包括高光谱图像标定和光谱提取；所述的独立分量分析和选择包括：利用独立分量法分析计算出独立分量，然后根据回归分析结果选择最佳独立分量；所述的植物叶面叶绿素分布的计算指利用选择的最佳独立分量和模型，计算出叶面各点的叶绿素含量值，组成叶绿素分布图。本发明在不损伤叶面的前提下，得到的叶绿素含量的分布图，不仅可以体现叶片局部的叶绿素含量，而且可以获得到整个叶面叶绿素的分布情况，为植物的营养状况智能判断提供了依据。

Description

高光谱图像和独立分量分析植物叶面叶绿素分布的方法

技术领域

本发明涉及一种植物叶面叶绿素分布的预测方法；特指一种基于高光谱图像和独立分量分析植物叶面叶绿素分布的方法。

背景技术

无土栽培中经常出现作物缺乏某种营养元素的现象，在开花结果期间尤为严重，通常只能在缺素现象较明显时，由专家诊断缺素情况。在缺素初期，缺素叶片和正常叶片相似，微弱的病症不易觉察，专家也很难确诊，这样会严重影响作物质量和产量，因此研究无土栽培作物营养素缺乏的早期智能诊断具有重要意义。作物的叶绿素含量是主要生化参数，代表了植株的营养状况，对其进行动态监测对于正确诊断作物营养缺乏状况具有重要意义。

农业中叶绿素测量的常用方法是分光光度计法，提取叶绿素后在645nm，663nm下测量吸光度，根据公式换算成叶绿素含量。针对叶片叶绿素的定量无损检测方法，目前已有的相关专利是如中国发明专利，申请号为200620135939.X，公开日：2007.10.24，发明创造的名称是“叶绿素测量仪”，该申请公开了一种便携式的叶绿素测量仪，利用叶片的透射光进行检测叶绿素含量，但是其只能对叶面上的某一点进行检测；中国发明专利，申请号为200510085468.6，公开日：2007.1.24，发明创造的名称是“基于图像技术的棉花叶片叶绿素测定方法”，该申请公开了一种利用图像技术，针对棉花的叶片进行叶绿素的测定的方法，但其只利用了图像中的两种颜色信号，准确度不高，且只针对了棉花叶片测定，没有说明其普遍适用性。

高光谱图像技术是一种集光谱信息和图像信息于一身的新技术，该技术起步于军事领域，现已扩展到地球遥感、医疗诊断以及农作物长势遥感监测方面。可以这样认为，高光谱图像技术是光谱分析技术和图像处理技术在最低数据级层面的融合技术，兼有这两种技术的优势，既能对研究对象的外部特征进行可视化分析，也能对内部有效成分进行定量预测。

发明内容

本发明克服了传统技术只能检测某一点的叶绿素含量和图像技术检测叶绿素含量精度低的问题，发明了一种利用独立分量法分析植物叶面高光谱图像，预测其叶绿素分布的方法。在不损伤叶面的前提下，不仅可以得到叶片局部的叶绿素含量，而且可以得到整个叶面叶绿素的分布情况，预测精度较高。

本发明高光谱图像和独立分量分析植物叶面叶绿素分布的方法按照下属步骤进行：高光谱图像预处理、独立分量分析和选择、植物叶面叶绿素分布的计算。

其中所述的高光谱图像预处理包括高光谱图像标定和光谱提取。

其中所述的独立分量分析和选择包括：利用独立分量法分析计算出独立分量，然后根据回归分析结果选择最佳独立分量。

其中所述的植物叶面叶绿素分布的计算指利用选择的最佳独立分量和模型，计算出叶面各点的叶绿素含量值，组成叶绿素分布图；所述的植物叶面叶绿素分布的计算方法包括如下步骤：

(1)首先对原始高光谱图像I进行标定和光谱提取。在与样品采集相同的系统条件下，扫描标准白色校正板得到全白的标定图像W，关闭相机快门进行图像采集得到全黑的标定图像B，根据公式：

$R=\frac{I-B}{W-B}$

完成标定后，得到图像R。忽略图像的空间信息，可以将高光谱图像R表示为一个二维矩阵X＝{x₁，x₂，…，x_λ}，其中xi(i＝1，…，λ)是具有m个元素的向量，表示了第i个波长下所有像素点(m个)的吸收值。X中随机选取n个像素点的光谱，组成二维矩阵i*n×λ，其中λ表示光谱范围。

(2)将上述二维矩阵作为观测矩阵进行独立分量分析，按预先设定独立分量个数，输出独立分量S＝{s₁，s₂，…，s_k}。

(3)测定一组叶片的叶绿素含量及其对应高光谱图像的光谱曲线，将独立分量S_i(i＝1，…，k)逐个与光谱曲线组成的矩阵相乘，再与叶绿素含量建立回归模型M，选择其相关系数最高的独立分量记为S_m。

(4)将上述选择的独立分量S_m，代入公式

C_im′＝S_m·X′

其中，X表示高光谱图片数据(m×λ)，S_m为独立分量(1×λ)，得到的C_im为独立分量图(m×1)，将C_im各元素代入回归模型M中计算叶绿素浓度，最后将数据转化回二维的图像信号，就得到了叶绿素分布图，最后将图像用伪彩色增强，提高叶绿素分布信息的表现力。

本发明的有益效果：本发明在不损伤叶面的前提下，得到的叶绿素含量的分布图，不仅可以体现叶片局部的叶绿素含量，而且可以获得到整个叶面叶绿素的分布情况，为植物的营养状况智能判断提供了依据。

附图说明

其中图1叶片高光谱图像数据块结构图；

图2叶面叶绿素分布预测的流程图；

图3独立分量选择的流程图；

图4计算得到的叶面叶绿素分布的伪彩图。

具体实施方式

下面结合附图对本发明进行进一步详细描述。

图1为叶片高光谱图像数据块的结构图。对于图像的任意一个像素点都具有λ₁，…，λ_n波长下的吸收值，如图1左下角为高光谱图像某一个像素点的光谱曲线；对于图像的任意一个波长λ_i都具有一副叶片在该波长下的完整图像，如图1右下角为高光谱图像某一波长下的叶片图像。

采集得n个如图1所示的高光谱图像数据，按照图2所示的流程图进行叶面叶绿素分布预测。所有的叶片高光谱图像(图1)经过标定，提取光谱信号，对光谱信号进行独立分量分析。选择计算出的若干个独立分量中最佳的独立分量S_m，与高光谱图像信号矩阵相乘，得到的数据代入模型即可计算出叶面叶绿素的分布图。最后利用伪彩色增强图像，提高信息的表现力。

其中，独立分量选择的方法如图3所示。从采集的原始数据中，预先分离一组数据，测定其叶绿素含量C及其对应高光谱图像的光谱曲线X_C。将k个独立分量依次与X_C相乘，得到的结果再与对应叶绿素含量C建立线性回归模型，计算相关系数R，直至R＞0.75，输出此时的S_m作为最佳独立分量及其模型M。

利用本发明计算的页面叶绿素分布的伪彩图，如图4所示。由图可见虽然叶脉叶绿素含量较少，但是叶脉附近的叶肉叶绿素含量很高，约为2.0mg/g左右，可以很好的区分出叶脉；叶肉叶绿素的分布较均匀，叶绿素含量在1.5mg/g左右；图4中叶片边缘紫色部分为因缺素而干枯的部分叶片，叶绿素含量接近0mg/g，也可以明显的区分出来。

Claims (2)

1.高光谱图像和独立分量分析植物叶面叶绿素分布的方法，按照下属步骤进行：高光谱图像预处理、独立分量分析和选择、植物叶面叶绿素分布的计算；其特征在于所述的高光谱图像预处理包括高光谱图像标定和光谱提取；所述的独立分量分析和选择包括：利用独立分量法分析计算出独立分量，然后根据回归分析结果选择最佳独立分量；所述的植物叶面叶绿素分布的计算指利用选择的最佳独立分量和模型，计算出叶面各点的叶绿素含量值，组成叶绿素分布图。

2.根据权利要求1所述的高光谱图像和独立分量分析植物叶面叶绿素分布的方法，其特征在于所述的植物叶面叶绿素分布的计算方法包括如下步骤：

(1)首先对原始高光谱图像I进行标定和光谱提取，在与样品采集相同的系统条件下，扫描标准白色校正板得到全白的标定图像W，关闭相机快门进行图像采集得到全黑的标定图像B，根据公式：

$R=\frac{I-B}{W-B}$

完成标定后，得到图像R；忽略图像的空间信息，可以将高光谱图像R表示为一个二维矩阵X＝{x₁，x₂，…，x_λ}，其中xi(i＝1，…，λ)是具有m个元素的向量，表示了第i个波长下所有像素点(m个)的吸收值。X中随机选取n个像素点的光谱，组成二维矩阵i*n×λ，其中λ表示光谱范围；

(2)将上述二维矩阵作为观测矩阵进行独立分量分析，按预先设定独立分量个数，输出独立分量S＝{s₁，s₂，…，s_k}；

(3)测定一组叶片的叶绿素含量及其对应高光谱图像的光谱曲线，将独立分量S_i(i＝1，…，k)逐个与光谱曲线组成的矩阵相乘，再与叶绿素含量建立回归模型M，选择其相关系数最高的独立分量记为S_m；

(4)将上述选择的独立分量S_m，代入公式

C_im′＝S_m·X′

其中，X表示高光谱图片数据(m×λ)，S_m为独立分量(1×λ)，得到的C_im为独立分量图(m×1)，将C_im各元素代入回归模型M中计算叶绿素浓度，最后将数据转化回二维的图像信号，就得到了叶绿素分布图，最后将图像用伪彩色增强，提高叶绿素分布信息的表现力。

Images