一种光谱测量校正计算方法及系统技术方案

本发明专利技术涉及光谱测量技术领域，具体涉及一种光谱测量校正计算方法及系统

【技术实现步骤摘要】
一种光谱测量校正计算方法及系统


[0001]本专利技术涉及光谱测量
，具体涉及一种光谱测量校正计算方法及系统
。

技术介绍

[0002]光谱数据可以分析物体的物质信息，不同的物质对光的波段的吸收，可以分析波段的变化情况对物体中的物质分布进行确定
。
通过光谱仪采集的植物叶片的高光谱数据，采集的光谱数据中存在噪声影响对植物叶片中的物质含量数据的判断，需要对采集的数据进行去噪处理
。
[0003]通过孤立森林算法可以分析采集的数据的离散情况，根据数据集的离散情况对采集的数据进行去噪处理，由于同一个物质数据可能在多个波段分布都比较敏感，相对于整体来说这个敏感的区域在孤立森林中的异常得分比较高但在这个点不是异常的，根据异常得分去噪会导致将正常的数据当作噪声被去除会影响采集的数据的准确性
。

技术实现思路

[0004]为了解决正常数据被当作噪声除去的技术问题，本专利技术提供了一种光谱测量校正计算方法及系统，所采用的技术方案具体如下：第一方面，本专利技术提出了一种光谱测量校正计算方法，该方法包括以下步骤：获取高光谱图像；在高光谱图像中，将像素点在每个波段的点记为数据点，根据每个像素点的数据点获取一条光谱波动曲线；获取光谱波动曲线的极大值点，根据光谱波动曲线的极大值点获取像素点的若干敏感波动区间；根据像素点的敏感波段区间的差异获取差值区间，根据差值区间内每个数据点的斜率以及敏感波段区间对差值区间的修正获取差值区间和敏感波动区间的相似性；根据差值区间和敏感波动区间的相似性获取每个像素点的匹配像素点；对于高光谱图像获取对应的光谱灰度图，对光谱灰度图进行聚类构建孤立树，根据孤立树中数据点与其余数据点的距离以及数据点到孤立树根节点的距离获取数据点的异常得分；根据每个数据点的异常得分判断数据点是否受噪声影响，并对受噪声影响的数据点进行去噪
。
[0005]优选的，所述根据每个像素点的数据点获取一条光谱波动曲线的方法为：将所有数据点进行曲线拟合获取光谱波动曲线，光谱波动曲线的横坐标为数据点的波段，纵坐标为数据点的光谱值
。
[0006]优选的，所述根据光谱波动曲线的极大值点获取像素点的若干敏感波动区间的方法为：对于光谱波动曲线计算其导数，获取光谱波动曲线中的极大值，极大值对应的数据点记为极大指点，获取每个数据点到每个极大值点的横坐标的差以及每个数据点的斜
率，将每个数据点到极大值点的横坐标的差的导数与数据点斜率的乘积记为第一乘积，将第一乘积归一化获取数据点对于极大值点的隶属度，根据数据点对于极大指点的隶属度获取敏感波动区间
。
[0007]优选的，所述根据数据点对于极大指点的隶属度获取敏感波动区间的方法为：给定预设隶属阈值，若像素点对于极大值点的隶属度大于预设隶属阈值，将像素点分在此极大值点的隶属区间内，若像素点对于多个极大值点隶属度都大于预设隶属阈值，将像素点分到最大隶属度对应的极大值点的隶属区间内，将极大值点的隶属区间记为敏感波动区间
。
[0008]优选的，所述根据像素点的敏感波段区间的差异获取差值区间的方法为：将任意一个像素点记为目标像素点，其余像素点记为待定像素点，获取目标像素点的所有敏感波动区间，将目标像素点的所有敏感波动区间对应的波段在待定像素点中提取出来，将待定像素点中提取出来的连续波段构成的区间记为待定区间，对于相同波段构成的敏感波动区间和待定区间的每个数据点的光谱值作差得到每个数据点的差值，将数据点的差值组成的区间记为差值区间
。
[0009]优选的，所述根据差值区间内每个数据点的斜率以及敏感波段区间对差值区间的修正获取差值区间和敏感波动区间的相似性的方法为：式中，表示第
o
个差值区间极大值左侧所有数据点的斜率的导数的方差，表示第
o
个差值区间极大值右侧所有数据点的斜率的导数的方差，表示第
o
个差值区间的极大值点与其对应的敏感波动区间的极大值点的波段距离，表示以自然常数为底的指数函数，表示线性归一化函数，表示第
o
个差值区间与其对应的敏感波动区间的相似性
。
[0010]优选的，所述对光谱灰度图进行聚类构建孤立树的方法为：对于光谱灰度图中的所有像素点根据其灰度值进行聚类，聚类方法为均值飘逸聚类，将聚类获取的每一个簇类中的所有像素点记为聚类像素点，将聚类像素点中任意一个波段对应的数据点记为聚类数据点，将同一簇类同一波段下的聚类数据点作为样本空间构建若干孤立树
。
[0011]优选的，所述根据孤立树中数据点与其余数据点的距离以及数据点到孤立树根节点的距离获取数据点的异常得分的方法为：式中，表示第
i
个数据点与第
c
棵孤立树中与其匹配的第
x
个数据点的孤立距离，表示第
i
个数据点到第
c
棵孤立树的根节点的孤立距离，表示第
i
个数据点在第
c
棵孤立树中匹配的数据点的数量，表示构建的孤立树的数量，表示线性归一化
函数，表示第
i
个数据点的异常得分
。
[0012]优选的，所述根据每个数据点的异常得分判断数据点是否受噪声影响，并对受噪声影响的数据点进行去噪的方法为：给定异常阈值，若数据点的异常得分大于异常阈值，数据点受到噪声的影响，将受到噪声影响的数据点删除，将数据点的所有匹配数据点求光谱均值作为数据点的光谱值完成去噪
。
[0013]第二方面，本专利技术实施例还提供了一种光谱测量校正计算系统，包括存储器
、
处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述一种光谱测量校正计算方法的步骤
。
[0014]本专利技术具有如下有益效果：本申请相对于现有技术的好处在于分析采集的高光谱的数据，分析图像中单个像素点的中光谱数据的波动情况，根据波动情况分析不同波段下数据之间的关联性，基于此获取不同区间的相似性，根据相似性获取像素点之间的匹配关系，根据匹配的像素点在同一波段下的数据点，将像素点聚类后，对于同一个簇类的数据点构建样本扣减计算异常得分，在此计算异常得分时考虑了不通过孤立树之间的置信度，可以获取更准确的异常得分，根据异常得分对数据进行去噪处理
。
避免了孤立森林算法中对整体分析，导致敏感的区域在孤立森林中的异常得分比较高但在这个点不是异常的情况，并解决了根据异常得分去噪会导致将正常的数据当作噪声被去除会影响采集的数据的准确性
。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光谱测量校正计算方法，其特征在于，该方法包括以下步骤：获取高光谱图像；在高光谱图像中，将像素点在每个波段的点记为数据点，根据每个像素点的数据点获取一条光谱波动曲线；获取光谱波动曲线的极大值点，根据光谱波动曲线的极大值点获取像素点的若干敏感波动区间；根据像素点的敏感波段区间的差异获取差值区间，根据差值区间内每个数据点的斜率以及敏感波段区间对差值区间的修正获取差值区间和敏感波动区间的相似性；根据差值区间和敏感波动区间的相似性获取每个像素点的匹配像素点；对于高光谱图像获取对应的光谱灰度图，对光谱灰度图进行聚类构建孤立树，根据孤立树中数据点与其余数据点的距离以及数据点到孤立树根节点的距离获取数据点的异常得分；根据每个数据点的异常得分判断数据点是否受噪声影响，并对受噪声影响的数据点进行去噪
。2.
如权利要求1所述的一种光谱测量校正计算方法，其特征在于，所述根据每个像素点的数据点获取一条光谱波动曲线的方法为：将所有数据点进行曲线拟合获取光谱波动曲线，光谱波动曲线的横坐标为数据点的波段，纵坐标为数据点的光谱值
。3.
如权利要求1所述的一种光谱测量校正计算方法，其特征在于，所述根据光谱波动曲线的极大值点获取像素点的若干敏感波动区间的方法为：对于光谱波动曲线计算其导数，获取光谱波动曲线中的极大值，极大值对应的数据点记为极大指点，获取每个数据点到每个极大值点的横坐标的差以及每个数据点的斜率，将每个数据点到极大值点的横坐标的差的导数与数据点斜率的乘积记为第一乘积，将第一乘积归一化获取数据点对于极大值点的隶属度，根据数据点对于极大指点的隶属度获取敏感波动区间
。4.
如权利要求3所述的一种光谱测量校正计算方法，其特征在于，所述根据数据点对于极大指点的隶属度获取敏感波动区间的方法为：给定预设隶属阈值，若像素点对于极大值点的隶属度大于预设隶属阈值，将像素点分在此极大值点的隶属区间内，若像素点对于多个极大值点隶属度都大于预设隶属阈值，将像素点分到最大隶属度对应的极大值点的隶属区间内，将极大值点的隶属区间记为敏感波动区间
。5.
如权利要求1所述的一种光谱测量校正计算方法，其特征在于，所述根据像素点的敏感波段区间的差异获取差值区间的方法为：将任意一个像素点记为目标像素点，其余像素点记为待定像素点，获取目标像素点的所有敏感波动区间，将目标像素点的所有敏感波动区间对应的波段在待定像素点中提取出来，将待定像素点中提取出来的连续波段构成的区间记为待定区间，对于相同波段构成的敏感波动区间和待定区间的每个数据点的光谱值作差得到每个数据点的差值，将数据点的差值组成的区间记为差...

【专利技术属性】
技术研发人员：李延磊，周春卿，
申请(专利权)人：昆山尚瑞智能科技有限公司，
类型：发明
国别省市：