[发明专利]一种茶树叶特征信息高光谱提取方法

权利要求书

1.一种茶树叶特征信息高光谱提取方法，其特征在于，包括：

步骤一、通过图像获取单元获取茶树叶源图像，建立灰度直方图统计图像灰度分布，通过分段灰度线性变换增强图像对比度后，使用高斯滤波进行平滑处理，完成图像的预处理；

步骤二、在预处理后的茶树叶图像上选取特征区域，使用Canny算子完成图像边缘特征点的提取，确定图像中的前景图像的图像边界；

步骤三、采用野外近地高光谱图像采集系统采集特征区域内茶树叶光谱信息，由图像预处理模块对光谱曲线进行预处理；

步骤四、由高光谱图像得到主成分图及特征波段的灰度图，从该特征波段的灰度图中提取纹理参数图，用纹理参数并对茶树叶指定元素含量进行预测，预测值小于设定阈值则将野外近地高光谱图像采集系统中的摄像头按照预设角度值旋转，重复步骤一至步骤三；

步骤五、特征提取模块从经步骤三预处理后的光谱信息中提取特征，对异常样本进行剔除后用特征向量代替光谱向量，对特征角余弦平均值图像进行分割；

步骤六、对不同取样样本中光谱信息中的同一提取特征进行不相似度评估，如果存在光谱信息中的某一特征的不相似度大于设定阈值，则采用野外近地高光谱图像采集系统中的摄像头按照预设角度值旋转，如果任一光谱信息中的某一特征不相似度小于设定阈值，则进入步骤七；

步骤七、利用最佳指数因子OIF选择最佳的波段组合，选出OIF最大的波段组合，利用多元线性回归对茶氨酸的含量估算。

2.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，高光谱图像提取的特征包括极大波峰位置、极小波谷位置、上升趋势点数、下降趋势点数、大于均峰值点数、小于均谷值点数、大于均谷值点数、小于均峰值点数。

3.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，步骤三中，由图像预处理模块在Microsoft Visual Studio2005平台上实现多次平滑预处理，具体方法为：

将滑动窗中的值做平均运算，所得平均值作为平滑窗中点位置的值，采用奇数作为滑动窗口的大小，假设窗口尺寸k=2m+1，则对任意k点平均的方程式为：

。

4.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，步骤四中，每幅高光谱图像得到五个主成分图及特征波段的灰度图，从每幅灰度图中提取均值灰度图、方差灰度图、协同性灰度图、对比灰度图、相异性灰度图、信息熵灰度图、二阶矩灰度图和相关性灰度图八个纹理参数图，用获得的纹理图像的灰度平均值来代表纹理参数并建立PCA-BPNN模型对茶树叶指定元素含量进行预测，预测值小于设定阈值则将野外近地高光谱图像采集系统中的摄像头按照预设角度值旋转，重复步骤一至步骤三。

5.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，步骤五中，特征提取模块从经步骤三预处理后的光谱信息中提取特征，对提取特征采用以下算式，对大于设定的D阈值的异常样本进行剔除：

。

6.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，步骤五中，对八邻域特征角余弦值取平均值，并将计算所得平均值作为像元的新值，生成一幅平均特征角余弦平均值图像，采用基于马尔可夫的分割方法对生成的特征角余弦平均值图像进行分割，特征角余弦为：

。

7.如权利要求1所述茶树叶特征信息高光谱提取方法，其特征在于，步骤六中，采用下列算法，使用基于KL散度的特征选择方法KLD对不同取样样本中光谱信息中的同一提取特征进行不相似度评估：

。