[发明专利]一种茶树叶特征信息高光谱提取方法

说明书

本发明公开了一种茶树叶特征信息高光谱提取方法，包括在预处理后的茶树叶图像上选取特征区域，采集特征区域内茶树叶光谱信息，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，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，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，利用多元线性回归对茶氨酸的含量估算。本发明提高了高光谱图像分割处理效率，减少了数据冗余，在一定程度上消除了随机影响，避免了无效样本带来的误差，能够准确、便捷、经济地估算茶树叶的茶氨酸含量。

技术领域

本发明属农作物信息提取领域，尤其涉及一种茶树叶特征信息高光谱提取方法。

背景技术

传统的茶树叶信息获取方法主要为基于人类视觉的经验判断方法以及基于破坏性试验的化学分析方法。但是这些传统方法都具有很大的不足之处，经验判断法误差高、随机性强，而化学分析法耗时耗力、花费高昂。

发明内容

为解决茶树叶信息获取方法误差高、随机性强、耗时耗力、花费高昂的问题，本发明提供了一种茶树叶特征信息高光谱提取方法。

本发明是这样实现的，本发明的茶树叶特征信息高光谱提取方法包括：

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，利用多元线性回归得到茶氨酸的含量估算的线性模型。

进一步，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。

进一步，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：

式中，i为曲线上的点号，j为平滑窗口中的点号，Y_i为第i点平滑后的数值，y_i为平滑前曲线上点的原数值，n为曲线上的总点数。