一種高光譜材質(zhì)鑒別方法
【專利摘要】本發(fā)明提出一種高光譜材質(zhì)鑒別方法，首先搭建標(biāo)準(zhǔn)光源光譜數(shù)據(jù)庫(kù)并建立光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，標(biāo)準(zhǔn)光源光譜采用差值法與控制變量法獲?。蝗缓髮?duì)需要鑒定的材質(zhì)拍攝光譜數(shù)據(jù)信息通過(guò)預(yù)處理與本征材質(zhì)信息提取，獲得其光譜特性，再與光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行匹配，實(shí)現(xiàn)材質(zhì)的高精度鑒別。該方法能夠抵抗不同光照條件、材質(zhì)形狀變化等復(fù)雜因素對(duì)材質(zhì)光譜信息的干擾，突破傳統(tǒng)RGB以及RGBD相機(jī)無(wú)法解決的同色異譜、同質(zhì)異色問(wèn)題瓶頸，鑒別準(zhǔn)確率較高。
【專利說(shuō)明】
一種高光譜材質(zhì)鑒別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及計(jì)算攝像學(xué)領(lǐng)域，具體涉及一種利用高維度光譜信息進(jìn)行近光物體材 質(zhì)鑒別方法。
【背景技術(shù)】
[0002] 近年來(lái)，計(jì)算攝像學(xué)已經(jīng)成為計(jì)算機(jī)視覺(jué)，數(shù)字信號(hào)處理，圖形學(xué)，深度交叉等研 究領(lǐng)域的熱點(diǎn)，物質(zhì)鑒別亦是近幾年的研究工作的重點(diǎn)。多年以來(lái)基于RGB彩色數(shù)據(jù)進(jìn)行物 質(zhì)鑒別的方法與體系日趨完善，其多是基于色度、亮度、輪廓等特性，但是實(shí)際上，僅僅利用 RGB三個(gè)通道的信息，則失去光譜維度上的大量細(xì)節(jié)以及重要的深度信息，而豐富的光譜信 息與深度信息往往能夠揭示物體和場(chǎng)景光線的很多特質(zhì)，也能在很多計(jì)算機(jī)視覺(jué)領(lǐng)域的工 作獲得長(zhǎng)足的進(jìn)展。
[0003] 遙感領(lǐng)域早就將高光譜技術(shù)引入監(jiān)測(cè)識(shí)別應(yīng)用中，已經(jīng)取得良好發(fā)展。在遙感遙 測(cè)中，由于太陽(yáng)光與地球距離很長(zhǎng)，光照近乎平行直射，場(chǎng)景光線的變化因素可忽略不計(jì)， 但是在實(shí)際各近光自然場(chǎng)景中，各類點(diǎn)光源、線光源、面光源等與物體距離較近，且物體本 身形狀變化多樣，場(chǎng)景光線變化復(fù)雜，近光場(chǎng)景反射光譜信息受光源光譜影響很大，在鑒別 時(shí)光源光譜干擾很大，故而將高光譜技術(shù)應(yīng)用于近光自然場(chǎng)景物質(zhì)鑒別依然有較大的研究 壁皇。高光譜信息采集系統(tǒng)有紅外、紫外、光譜儀等多類設(shè)施，但其大多是單功能、且價(jià)格昂 貴，器材體積較大不便于外攜?，F(xiàn)有所熟知的光譜分析儀、掃描式光譜成像儀和單次拍攝成 像光譜儀等都是通過(guò)犧牲空間或者時(shí)間分辨率的方式對(duì)于光譜分辨率進(jìn)行補(bǔ)償，以采集多 光譜信息。但采集后數(shù)據(jù)獲取與處理多冗繁復(fù)雜，拍攝結(jié)果難可視化。
[0004] 2015年，PMVIS高分辨率光譜采集研究系統(tǒng)被提出，其在犧牲空間分辨率獲得附加 光譜分辨率的同時(shí)，使用雙路采集的技術(shù)，對(duì)場(chǎng)景進(jìn)行雙路采集，從得到的多路數(shù)據(jù)中重構(gòu) 出高時(shí)空分辨率的高光譜視頻，實(shí)現(xiàn)了一種高光譜采集技術(shù)。
[0005] 近光自然場(chǎng)景物質(zhì)鑒別現(xiàn)面臨兩大研究難點(diǎn)。一方面，雖然利用RGB或者RGBD信息 已經(jīng)可以較好鑒別出部分輪廓性、顏色特性明顯的材質(zhì)，但對(duì)于典型的"同色異譜"難題、同 一材質(zhì)不同顏色問(wèn)題，RGB的處理方法完全無(wú)法妥善解決。另一方面，高光譜的拍攝數(shù)據(jù)包 含更多細(xì)節(jié)，更多反映物質(zhì)本身化學(xué)物理材質(zhì)特性，但是數(shù)據(jù)抗干擾力差，光強(qiáng)、光源、角度 等因素都會(huì)直觀影響光譜數(shù)據(jù)，因而直接利用光譜數(shù)據(jù)進(jìn)行分類鑒別往往出現(xiàn)邊緣性差、 分類離散化甚至錯(cuò)誤判別等問(wèn)題。如何減少光照、光源、形狀差異等因素，從高維光譜數(shù)據(jù) 中獲取真正材質(zhì)光譜特征？如何依此方法搭建出日常物體的光譜數(shù)據(jù)庫(kù)，在數(shù)據(jù)庫(kù)基礎(chǔ)上 實(shí)現(xiàn)多類材質(zhì)鑒別，獲得高泛化性的鑒別分類結(jié)果?這些都是值得深入探索的研究課題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于突破RGBD等傳統(tǒng)處理方法的問(wèn)題瓶頸，突破肉眼限制，實(shí)現(xiàn)一 種利用高維度光譜信息對(duì)近光自然場(chǎng)景下的物質(zhì)進(jìn)行鑒別的方法，對(duì)工業(yè)檢測(cè)、環(huán)境監(jiān)控、 食品安全等有重要意義。
[0007] 為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案為：
[0008] -種高光譜材質(zhì)鑒別方法，包括如下步驟：
[0009] (1)搭建標(biāo)準(zhǔn)光源光譜數(shù)據(jù)庫(kù)，標(biāo)準(zhǔn)光源光譜采用差值法與控制變量法獲取:利用 標(biāo)準(zhǔn)色卡白板拍攝光譜數(shù)據(jù)i Iluminationwhlte3，利用標(biāo)準(zhǔn)色卡黑板拍攝光譜數(shù)據(jù) i lluminat ionbiadc;基于物理光學(xué)吸收與反射原理，標(biāo)準(zhǔn)光源光譜數(shù)據(jù)i Iluminationstd為：
[0010] i I luminat ionstd = i I luminat ionwhite-i I luminat ionbiack;
[0011] (2)建立光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，以多光源和多角度拍攝多種材質(zhì)物質(zhì)的光譜數(shù)據(jù) Originalstd:
[0012] a)首先利用高光譜成像裝置中的彩色成像裝置捕獲物質(zhì)空間信息的彩色圖像，利 用高光譜成像裝置同步捕獲經(jīng)過(guò)下采樣的物質(zhì)光譜數(shù)據(jù)，同時(shí)利用交叉偏振法去除場(chǎng)景內(nèi) 的冗雜高光;然后對(duì)捕獲的彩色圖像數(shù)據(jù)以及物質(zhì)光譜數(shù)據(jù)進(jìn)行重建，恢復(fù)出高空間和高 光譜分辨率的原始數(shù)據(jù)Originalstd;
[0013] b)建立數(shù)據(jù)模型：
[0014] Originalstd = Reflectancestd · Shading · Illuminationstd+Highlight+Noise [0015]其中，Originalstd為矢量，表示原始光譜數(shù)據(jù)；Reflectancestd為矢量，表示材質(zhì)數(shù) 據(jù);Shading為標(biāo)量，表示光照強(qiáng)度；11 Iuminationstd為矢量，表示光源數(shù)據(jù);Highl ight為矢 量，表示高光數(shù)據(jù);Noise為矢量，表示噪聲；
[0016] c)從原始數(shù)據(jù)Originalstd中，利用均化去燥法除去噪聲Noise分量，利用交叉偏振 法去除高光數(shù)據(jù)Highl ight分量，并去除標(biāo)準(zhǔn)光源數(shù)據(jù)I lluminationstd;鑒于物體的形狀因 素會(huì)對(duì)光譜數(shù)據(jù)強(qiáng)度造成影響，引入Shading為代表光照強(qiáng)度的標(biāo)量，即反映光譜強(qiáng)度的乘 量因子，將Reflectancestd · Shading進(jìn)行二范數(shù)歸一化之后去除向量強(qiáng)度差異，得到同一 量度的光譜數(shù)據(jù)，即標(biāo)準(zhǔn)反映物質(zhì)本征材質(zhì)的材質(zhì)數(shù)據(jù)Reflectance st/ :
[0017] Reflectancestd7 =Norm(Ref Iectancestd · Shading)
[0018] d)對(duì)高維度的材質(zhì)數(shù)據(jù)Ref Iectancest/進(jìn)行低維投影映射，以最大方差化為條 件，正交化材質(zhì)數(shù)據(jù)Reflectancest/，再依據(jù)貢獻(xiàn)率分布前十維度信息表征材質(zhì)信息；
[0019] (3)利用步驟a)的方法，獲得需要鑒別的物質(zhì)材質(zhì)的光譜數(shù)據(jù)Original，并利用步 驟c)的方法對(duì)數(shù)據(jù)進(jìn)行分量剝離，經(jīng)過(guò)步驟d)的處理獲取只反映需要鑒別的物質(zhì)材質(zhì)信息 的材質(zhì)數(shù)據(jù)Ref Iectance;對(duì)材質(zhì)數(shù)據(jù)Ref Iectance進(jìn)行去冗余，以提高計(jì)算速度；
[0020] (4)將步驟(3)得到的材質(zhì)數(shù)據(jù)Reflectance與步驟(2)中建立的光譜材質(zhì)數(shù)據(jù)庫(kù) Reflectancestd進(jìn)行特征匹配，利用光譜材質(zhì)數(shù)據(jù)庫(kù)中典型特征構(gòu)成光譜特征分類模型，實(shí) 現(xiàn)對(duì)材質(zhì)的鑒別；
[0021] (5)由步驟(4)所確定的鑒別結(jié)果，為提高可視性與邊緣輪廓可讀性，利用RGB空間 信息對(duì)鑒別結(jié)果輪廓進(jìn)行優(yōu)化。對(duì)RGB三通道進(jìn)行均化得到高空間分辨率灰度信息G，對(duì)G無(wú) 監(jiān)督過(guò)分割為η個(gè)空間塊。以空間塊為約束結(jié)合步驟(4)鑒別結(jié)果逐個(gè)判斷每一個(gè)空間塊整 體的光譜特性，輸出修正鑒別結(jié)果。
[0022]所述高光譜成像裝置的拍攝波長(zhǎng)范圍為410nm~700nm〇 [0023] 所述步驟(4)中，進(jìn)行特征匹配具體包括如下過(guò)程：
[0024] 1)以人機(jī)交互界面顯示方式，利用人工強(qiáng)先驗(yàn)信息選取拍攝的每類材質(zhì)的特征樣 本點(diǎn)，每類材質(zhì)為一組特征點(diǎn)，多類材質(zhì)形成多組特征點(diǎn)，經(jīng)過(guò)判別、篩選和參數(shù)調(diào)節(jié)訓(xùn)練 出最優(yōu)分類模型；
[0025] 2)將權(quán)利要求1中步驟(3)得到的材質(zhì)數(shù)據(jù)Reflectance放入最優(yōu)分類模型中進(jìn)行 測(cè)試鑒別，得到對(duì)應(yīng)材質(zhì)類別的鑒別結(jié)果。
[0026] 所述步驟(2)中，采用的光源為陽(yáng)光、鹵素?zé)簟晒鉄?、碘鎢燈、白熾燈與LED燈。 [0027]所述步驟(5)中，先利用RGB空間信息進(jìn)行無(wú)監(jiān)督學(xué)習(xí)過(guò)分割，過(guò)分割之后以每一 個(gè)分割塊為單位，結(jié)合塊內(nèi)光譜類別分布進(jìn)行塊的光譜類別鑒別，統(tǒng)一塊內(nèi)光譜類別，改善 純光譜數(shù)據(jù)分割時(shí)的邊緣性差等問(wèn)題，輸出修正鑒別結(jié)果。
[0028] 本發(fā)明可以實(shí)現(xiàn)對(duì)近光自然場(chǎng)景的物質(zhì)材質(zhì)進(jìn)行有效識(shí)別，具有以下優(yōu)點(diǎn)：
[0029] (1)利用系列預(yù)處理方法分離物質(zhì)模型的各參量，減少近光條件下光源光照強(qiáng)度、 角度、復(fù)雜形狀遮擋等因素造成的干擾。
[0030] (2)本方法特征提取較為準(zhǔn)確，采用人工選取特征點(diǎn)，比以往所有方法中采用隨機(jī) 采樣作為訓(xùn)練數(shù)據(jù)的方法引入的噪聲更小，分類模型更準(zhǔn)確，泛化性更強(qiáng)。
[0031] (3)對(duì)RGB領(lǐng)域所無(wú)法解決的同色異譜等問(wèn)題可以得到極好的解決。
[0032]本發(fā)明能突破傳統(tǒng)RGB以及RGBD相機(jī)無(wú)法解決的同色異譜、同質(zhì)異色問(wèn)題瓶頸，鑒 別準(zhǔn)確率較高，在工業(yè)檢測(cè)等領(lǐng)域有重大意義。
【附圖說(shuō)明】
[0033]圖1為本發(fā)明實(shí)施例的光譜數(shù)據(jù)采集系統(tǒng)PMVIS系統(tǒng)；
[0034] 圖2為本發(fā)明實(shí)施例所建立光譜材質(zhì)數(shù)據(jù)庫(kù)部分材質(zhì)展示圖；
[0035] 圖3為本發(fā)明實(shí)施例的同色異譜典型問(wèn)題圖；
[0036] 圖4為本發(fā)明實(shí)施例的不同材質(zhì)迷彩服材質(zhì)鑒別結(jié)果，（a)為RGB信息鑒別結(jié)果， (b)為高光譜信息鑒別結(jié)果。
[0037]圖5為本發(fā)明方法的流程圖。
【具體實(shí)施方式】
[0038] 本發(fā)明首先搭建標(biāo)準(zhǔn)光源光譜數(shù)據(jù)庫(kù)并建立光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，標(biāo)準(zhǔn)光源光譜 采用差值法與控制變量法獲取;然后對(duì)需要鑒定的材質(zhì)拍攝光譜數(shù)據(jù)信息通過(guò)預(yù)處理與本 征材質(zhì)信息提取，獲得其光譜特性，再與光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行匹配，實(shí)現(xiàn)材質(zhì)的 高精度鑒別
[0039] 本實(shí)施例的方法利用PMVIS高光譜成像裝置，同時(shí)捕獲物質(zhì)高光譜信息和彩色空 間信息。如圖1所示，PMVIS高光譜成像裝置可以分為10個(gè)模塊，其中由第一透鏡2、掩膜3、第 二透鏡4構(gòu)成稀疏采樣成像陣列1。該裝置包括兩路光路，一路由稀疏采樣成像陣列1、分光 裝置5、灰度成像裝置6、光譜光路采集裝置7獲取低分辨率的光譜圖像。一路包括彩色成像 裝置8和彩色光路采集轉(zhuǎn)置9,用以獲取高分辨率的彩色圖像。由信息聯(lián)合處理裝置10對(duì)兩 路信息進(jìn)行處理，重建出包括高空間分辨率、高光譜分辨率場(chǎng)景光譜信息。其中，灰度成像 裝置6采用灰度相機(jī)用于捕獲物質(zhì)高光譜信息，彩色成像裝置8采用彩色CCD相機(jī)用于捕獲 物質(zhì)彩色空間信息。分光裝置5利用阿米西棱鏡分光，可一次性采集可見光波段物質(zhì)多波段 光譜圖像和視頻，比現(xiàn)有多光譜物質(zhì)材質(zhì)識(shí)別裝置更簡(jiǎn)單、低成本、精度更高。該裝置同時(shí) 捕獲物體的彩色空間信息與稀疏采樣的高光譜信息，利用采樣點(diǎn)高光譜數(shù)據(jù)與RGB高空間 分辨率數(shù)據(jù)重構(gòu)出高空間、光譜分辨率數(shù)據(jù)用于材質(zhì)鑒別。
[0040] 本發(fā)明首先利用預(yù)處理方法去除高光譜數(shù)據(jù)的多重冗余信息，提取本征材質(zhì)信 息，其次搭建標(biāo)準(zhǔn)光譜數(shù)據(jù)庫(kù)，建立以特征點(diǎn)為訓(xùn)練集的分類模型，利用分類模型進(jìn)行材質(zhì) 識(shí)別，若找到一個(gè)數(shù)據(jù)庫(kù)中存儲(chǔ)的材質(zhì)信息與該物質(zhì)光譜特征匹配，對(duì)其進(jìn)行類別鑒定。由 于光譜信息的冗余性較強(qiáng)，為提高光譜鑒別結(jié)果邊緣可視性，在光譜數(shù)據(jù)進(jìn)行材質(zhì)鑒別后， 再利用空間彩色信息用于邊緣以及輪廓的優(yōu)化。
[0041] 如圖5所示，本實(shí)施例的高光譜材質(zhì)鑒別方法，通過(guò)多類途徑進(jìn)行綜合判定。一路 分別建立標(biāo)準(zhǔn)光源數(shù)據(jù)庫(kù)、標(biāo)準(zhǔn)材質(zhì)光譜數(shù)據(jù)庫(kù)；另一路對(duì)已經(jīng)拍攝的初始數(shù)據(jù)進(jìn)行多項(xiàng) 預(yù)處理后與數(shù)據(jù)庫(kù)進(jìn)行特征匹配，再以空間RGB信息輔助優(yōu)化邊緣性，輸出可視化鑒別結(jié) 果。具體高光譜材質(zhì)鑒別方法的流程為：
[0042] 步驟(1)搭建標(biāo)準(zhǔn)光源光譜數(shù)據(jù)庫(kù)，標(biāo)準(zhǔn)光源光譜采用差值法與控制變量法獲?。?利用標(biāo)準(zhǔn)色卡白板拍攝光譜數(shù)據(jù)illumination wh…，利用標(biāo)準(zhǔn)色卡黑板拍攝光譜數(shù)據(jù) i lluminationbiack;對(duì)以上光源光譜多次拍攝后算術(shù)平均，基于物理光學(xué)吸收與反射原理， 標(biāo)準(zhǔn)光源光譜數(shù)據(jù)i Iluminationstd為：
[0043] i I luminat ionstd = i I luminat ionwhite-i I luminat ionbiack;
[0044] 步驟(2)建立光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，在標(biāo)準(zhǔn)雙光源對(duì)稱放置的位置下，以多光源和 多角度不同環(huán)境下，在PMVIS相機(jī)焦距對(duì)焦距離點(diǎn)處，拍攝對(duì)象的稀疏采樣光譜，并通過(guò)系 統(tǒng)重建得到拍攝對(duì)象的原始光譜數(shù)據(jù)Original std:
[0045] a)首先利用高光譜成像裝置中的彩色成像裝置捕獲物質(zhì)空間信息的彩色圖像，利 用高光譜成像裝置同步捕獲經(jīng)過(guò)下采樣的物質(zhì)光譜數(shù)據(jù)，同時(shí)利用交叉偏振法去除場(chǎng)景內(nèi) 的冗雜高光;然后對(duì)捕獲的彩色圖像數(shù)據(jù)以及物質(zhì)光譜數(shù)據(jù)進(jìn)行重建，恢復(fù)出高空間和高 光譜分辨率的原始數(shù)據(jù)Originalstd;
[0046] b)建立數(shù)據(jù)模型：
[0047] Originalstd = Reflectancestd · Shading · Illuminationstd+Highlight+Noise
[0048] 其中，OriginaLtd為矢量，表示原始光譜數(shù)據(jù);Ref lectancestd為矢量，表示材質(zhì)數(shù) 據(jù);Shading為標(biāo)量，表示光照強(qiáng)度；11 Iuminationstd為矢量，表示光源數(shù)據(jù);Highl ight為矢 量，表示高光數(shù)據(jù);Noise為矢量，表示噪聲；
[0049] c)從原始數(shù)據(jù)Originalstd中，利用均化去燥法除去噪聲Noise分量，利用交叉偏振 法去除高光數(shù)據(jù)把811118111:分量，并去除標(biāo)準(zhǔn)光源數(shù)據(jù)111111]1；[1^1:;[011!^。鑒于物體的形狀因 素會(huì)對(duì)光譜數(shù)據(jù)強(qiáng)度造成影響，從圖4的處理數(shù)據(jù)來(lái)看，最大最小值分布在0~200之間，數(shù) 據(jù)分布量度不一致。故引入Shading為代表光照強(qiáng)度的標(biāo)量，即反映光譜強(qiáng)度的乘量因子， 將RefIectancestd · Shading進(jìn)行二范數(shù)歸一化之后去除向量強(qiáng)度差異，得到同一量度的光 譜數(shù)據(jù)，即標(biāo)準(zhǔn)反映物質(zhì)本征材質(zhì)的材質(zhì)數(shù)據(jù)Ref Iectancest/ = (Ri, R2,......,R59):
[0050] Reflectancestd7 =Norm(Ref Iectancestd · Shading)
[0051 ] 即對(duì)每一點(diǎn)數(shù)據(jù)D = Reflectancestd · Shading的59維數(shù)據(jù)按照如下公式計(jì)算： [0052]
[0053] CU出丁仞諛艽TgnsKel lectancestd tfJ間班反?土，多維度信息間相關(guān)性強(qiáng)，冗余 度大。將高維數(shù)據(jù)進(jìn)行去相關(guān)處理:Reflectancest/ (Ri,R2，R3, ...，R59)-Reflectancestd〃 (Rl '，R2 '，R3 '，· · ·，R59 '）。
[0054] Ri ' =aiiRi+a2iR2+· · · ·+a59iR59
[0055] R2 ' =ai2Ri+a22R2+· · · ·+a592R59
[0056] ..............
[0057] R59, =a59lRl+a592R2+· · · .+a5959R59
[0058] Ri，，R2,，· · · ·，R59,兩兩獨(dú)立，cov(Ri，，Rj，）=0
[0059] 以最大方差化為條件即var (Ri '）2 var (R2 '）2......2 var (R59 '）正交化 Reflectancest/數(shù)據(jù)。數(shù)據(jù)變換后依據(jù)其特征值對(duì)角矩陣計(jì)算貢獻(xiàn).
：貢獻(xiàn)率排 行分布前十維度信息表征材質(zhì)信息。依此方法建立如圖2所示的多類光譜材質(zhì)數(shù)據(jù)庫(kù)，包括 真假類材料(如真假花、香蕉、蘋果、橙子）、多類塑料制品（聚乙烯(PE)、聚丙烯(PP)、聚氯乙 烯(PVC)、聚苯乙烯(PS)及丙烯腈一丁二烯一苯乙烯共聚合物(ABS))、陶瓷、木質(zhì)(人造板、 紅松、柳木）、植物(梧桐樹、蘆薈、仙人掌、香樟、毛白楊等）、金屬(金、鐵、合金、銅、鋁合金制 品）、紙品（書紙、銅版紙、灰卡紙、白卡紙）、布料(尼龍、全棉、呢絨、亞麻、絲綢、人造皮、化 纖、太空棉、冰絲等制品）、石膏。
[0060] 步驟(3)利用步驟a)的方法，獲得需要鑒別的物質(zhì)材質(zhì)的光譜數(shù)據(jù)Original，并利 用步驟c)的方法對(duì)數(shù)據(jù)進(jìn)行分量剝離，獲取只反映需要鑒別的物質(zhì)材質(zhì)信息的材質(zhì)數(shù)據(jù) Reflectance;對(duì)材質(zhì)數(shù)據(jù)Reflectance進(jìn)行去冗余，以提高計(jì)算速度；
[0061] (4)將步驟(3)得到的材質(zhì)數(shù)據(jù)Ref Iectance與步驟(2)中建立的光譜材質(zhì)數(shù)據(jù)庫(kù) Reflectancestd進(jìn)行特征匹配，利用光譜材質(zhì)數(shù)據(jù)庫(kù)中典型特征構(gòu)成光譜特征分類模型，實(shí) 現(xiàn)對(duì)材質(zhì)的鑒別；
[0062] a)不同于以往機(jī)器學(xué)習(xí)訓(xùn)練隨機(jī)采樣特定百分比的方法，本方法以人機(jī)交互界面 顯示方式利用人工強(qiáng)先驗(yàn)選取每類材質(zhì)的特征樣本點(diǎn)，每類材質(zhì)一組特征點(diǎn)，多類材質(zhì)多 組特征點(diǎn)，經(jīng)過(guò)判別、篩選、參數(shù)調(diào)節(jié)訓(xùn)練出最優(yōu)分類為三項(xiàng)式模型:t = l，d = 3。
[0063] b)將新材質(zhì)信息Ref Iectance放入分類模型中進(jìn)行測(cè)試鑒別，不同鑒別結(jié)果予以 不同顏色標(biāo)注，可視化對(duì)應(yīng)材質(zhì)類別的鑒別結(jié)果。
[0064] (5)由步驟(4)所確定的鑒別結(jié)果，為提高可視性與邊緣輪廓可讀性，利用RGB空間 信息對(duì)鑒別結(jié)果輪廓進(jìn)行優(yōu)化。對(duì)RGB三通道進(jìn)行均化得到高空間分辨率灰度信息G，對(duì)G無(wú) 監(jiān)督過(guò)分割為P個(gè)空間塊。例Custerl中，分類為1類的像素點(diǎn)為numl，分類為2的像素點(diǎn)為 num2，分類為3的像素點(diǎn)為num3，（numl，num2，num3，......nump)對(duì)以上序列排序，取最大值所 對(duì)應(yīng)類別為此Cluster的最終鑒別類別。以空間塊為約束結(jié)合步驟(4)鑒別結(jié)果逐個(gè)判斷每 一個(gè)空間塊整體的光譜特性.輸出優(yōu)化鑒別結(jié)果。如圖3所示，經(jīng)典"同色異譜"現(xiàn)象，一個(gè)復(fù) 雜場(chǎng)景中有相同綠色的塑料、衣服等物質(zhì)。如圖4(a)圖為利用RGB信息進(jìn)行分割處理的結(jié) 果，（b)為利用本發(fā)明進(jìn)行分割處理的結(jié)果。對(duì)比結(jié)果發(fā)現(xiàn)本方法可以實(shí)現(xiàn)材質(zhì)的高精度鑒 另IJ，能夠抵抗不同光照條件、材質(zhì)形狀變化等復(fù)雜因素對(duì)材質(zhì)光譜信息的干擾，突破傳統(tǒng) RGB以及RGBD相機(jī)無(wú)法解決的同色異譜、同質(zhì)異色問(wèn)題瓶頸，鑒別準(zhǔn)確率較高。
[0065] 上述實(shí)施例僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù) 人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和等同替換，這些對(duì)本發(fā)明 權(quán)利要求進(jìn)行改進(jìn)和等同替換后的技術(shù)方案，均落入本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種高光譜材質(zhì)鑒別方法，其特征在于，包括如下步驟： (1) 搭建標(biāo)準(zhǔn)光源光譜數(shù)據(jù)庫(kù)，標(biāo)準(zhǔn)光源光譜采用差值法與控制變量法獲取:利用標(biāo)準(zhǔn) 色卡白板拍攝光譜數(shù)據(jù)illumination whlte3，利用標(biāo)準(zhǔn)色卡黑板拍攝光譜數(shù)據(jù) illuminationbiadc;基于物理光學(xué)吸收與反射原理，標(biāo)準(zhǔn)光源光譜數(shù)據(jù)illuminationstd為： i 1 luminat ionstd = i 1 luminat ioriwhite-i 1 luminat ionbiack; (2) 建立光譜材質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，以多光源和多角度拍攝多種材質(zhì)物質(zhì)的光譜數(shù)據(jù) Originalstd： a) 首先利用高光譜成像裝置中的彩色成像裝置捕獲物質(zhì)空間信息的彩色圖像，利用高 光譜成像裝置同步捕獲經(jīng)過(guò)下采樣的物質(zhì)光譜數(shù)據(jù)，同時(shí)利用交叉偏振法去除場(chǎng)景內(nèi)的冗 雜高光;然后對(duì)捕獲的彩色圖像數(shù)據(jù)以及物質(zhì)光譜數(shù)據(jù)進(jìn)行重建，恢復(fù)出高空間和高光譜 分辨率的原始數(shù)據(jù)Or i g i na 1 std; b) 建立數(shù)據(jù)模型： Originalstd = Reflectancestd · Shading · Illuminationstd+Highlight+Noise 其中，Originalstd為矢量，表示原始光譜數(shù)據(jù);Reflectancestd為矢量，表示材質(zhì)數(shù)據(jù)； Shading為標(biāo)量，表示光照強(qiáng)度；Illuminationstd為矢量，表示光源數(shù)據(jù);Highlight為矢量， 表不高光數(shù)據(jù);Noise為矢量，表不噪聲； c) 從原始數(shù)據(jù)Originals中，利用均化去燥法除去噪聲Noise分量，利用交叉偏振法去 除高光數(shù)據(jù)Highlight分量，并去除標(biāo)準(zhǔn)光源數(shù)據(jù)Illuminationstd;鑒于物體的形狀因素會(huì) 對(duì)光譜數(shù)據(jù)強(qiáng)度造成影響，引入Shading為代表光照強(qiáng)度的標(biāo)量，即反映光譜強(qiáng)度的乘量因 子，將Reflectance std · Shading進(jìn)行二范數(shù)歸一化之后去除向量強(qiáng)度差異，得到同一量度 的光譜數(shù)據(jù)，即標(biāo)準(zhǔn)反映物質(zhì)本征材質(zhì)的材質(zhì)數(shù)據(jù)Reflectancest/ : Reflectancestd7 =Norm(Reflectancestd · Shading) d) 對(duì)高維度的材質(zhì)數(shù)據(jù)Reflectancest/進(jìn)行低維投影映射，以最大方差化為條件，正 交化材質(zhì)數(shù)據(jù)Reflectancest/，再依據(jù)貢獻(xiàn)率分布前十維度信息表征材質(zhì)信息； (3) 利用步驟a)的方法，獲得需要鑒別的物質(zhì)材質(zhì)的光譜數(shù)據(jù)Original，并利用步驟c) 的方法對(duì)數(shù)據(jù)進(jìn)行分量剝離，經(jīng)過(guò)步驟d)的處理獲取只反映需要鑒別的物質(zhì)材質(zhì)信息的材 質(zhì)數(shù)據(jù)Reflectance;對(duì)材質(zhì)數(shù)據(jù)Reflectance進(jìn)行去冗余，以提高計(jì)算速度； (4) 將步驟（3)得到的材質(zhì)數(shù)據(jù)Reflectance與步驟（2)中建立的光譜材質(zhì)數(shù)據(jù)庫(kù) Reflectances進(jìn)行特征匹配，利用光譜材質(zhì)數(shù)據(jù)庫(kù)中典型特征構(gòu)成光譜特征分類模型，實(shí) 現(xiàn)對(duì)材質(zhì)的鑒別； (5) 由步驟(4)所確定的鑒別結(jié)果，為提高可視性與邊緣輪廓可讀性，利用RGB空間信息 對(duì)鑒別結(jié)果輪廓進(jìn)行優(yōu)化。對(duì)RGB三通道進(jìn)行均化得到高空間分辨率灰度信息G，對(duì)G無(wú)監(jiān)督 過(guò)分割為η個(gè)空間塊。以空間塊為約束結(jié)合步驟(4)鑒別結(jié)果逐個(gè)判斷每一個(gè)空間塊整體的 光譜特性，輸出修正鑒別結(jié)果。2. 根據(jù)權(quán)利要求1所述的一種高光譜材質(zhì)鑒別方法，其特征在于，所述高光譜成像裝置 的拍攝波長(zhǎng)范圍為410nm~700nm〇3. 根據(jù)權(quán)利要求1或2所述的一種高光譜材質(zhì)鑒別方法，其特征在于，所述步驟(4)中， 進(jìn)行特征匹配具體包括如下過(guò)程： 1)以人機(jī)交互界面顯示方式，利用人工強(qiáng)先驗(yàn)信息選取拍攝的每類材質(zhì)的特征樣本 點(diǎn)，每類材質(zhì)為一組特征點(diǎn)，多類材質(zhì)形成多組特征點(diǎn)，經(jīng)過(guò)判別、篩選和參數(shù)調(diào)節(jié)訓(xùn)練出 最優(yōu)分類模型； 2)將權(quán)利要求1中步驟(3)得到的材質(zhì)數(shù)據(jù)Reflectance放入最優(yōu)分類模型中進(jìn)行測(cè)試 鑒別，得到對(duì)應(yīng)材質(zhì)類別的鑒別結(jié)果。4. 根據(jù)權(quán)利要求1或2所述的一種高光譜材質(zhì)鑒別方法，其特征在于，所述步驟(2)中， 采用的光源為陽(yáng)光、鹵素?zé)?、熒光燈、碘鎢燈、白熾燈與LED燈。5. 根據(jù)權(quán)利要求1或2所述的一種高光譜材質(zhì)鑒別方法，其特征在于，所述步驟(5)中， 先利用RGB空間信息進(jìn)行無(wú)監(jiān)督學(xué)習(xí)過(guò)分割，過(guò)分割之后以每一個(gè)分割塊為單位，結(jié)合塊內(nèi) 光譜類別分布進(jìn)行塊的光譜類別鑒別，統(tǒng)一塊內(nèi)光譜類別，改善純光譜數(shù)據(jù)分割時(shí)的邊緣 性差等問(wèn)題，輸出修正鑒別結(jié)果。
【文檔編號(hào)】G01N21/25GK105842173SQ201610395755
【公開日】2016年8月10日
【申請(qǐng)日】2016年6月6日
【發(fā)明人】曹汛, 朱維新, 趙楊
【申請(qǐng)人】南京大學(xué)