異常檢測(cè)在高光譜圖像蔬菜農(nóng)藥點(diǎn)檢測(cè)中的應(yīng)用研究

異常檢測(cè)在高光譜圖像蔬菜農(nóng)藥點(diǎn)檢測(cè)中的應(yīng)用研究當(dāng)前,蔬菜中含有農(nóng)藥殘留的可能性越來(lái)越大,而相對(duì)成熟的農(nóng)藥殘留檢測(cè)技術(shù)如氣相色譜法等存在費(fèi)時(shí)費(fèi)力,破壞性大等明顯缺點(diǎn),因此,急需一種快速無(wú)損的蔬菜農(nóng)藥殘留檢測(cè)技術(shù)。高光譜成像技術(shù)能夠區(qū)分地物光譜的微小差別,已有研究人員將其應(yīng)用于食品安全監(jiān)測(cè)領(lǐng)域,并且取得了一定的研究成果,在蔬菜農(nóng)藥殘留檢測(cè)方面具有較大的潛力。異常檢測(cè)是高光譜遙感最常見(jiàn)的應(yīng)用之一,已經(jīng)在軍事目標(biāo)識(shí)別、偽裝目標(biāo)區(qū)分等方面取得了較好的成果。鑒于異常檢測(cè)在高光譜遙感領(lǐng)域目標(biāo)識(shí)別中的有效性,本文將其應(yīng)用于近景高光譜圖像,試圖探究其檢測(cè)蔬菜葉片上的農(nóng)藥點(diǎn)的可行性。在本文中,我們首先搭建了一個(gè)近景高光譜成像平臺(tái),獲取了包含農(nóng)藥點(diǎn)的菠菜葉片的高光譜圖像數(shù)據(jù),對(duì)菠菜葉片的光譜特性和不同形態(tài)表現(xiàn)的農(nóng)藥點(diǎn)的光譜特性進(jìn)行了分析,確定了農(nóng)藥點(diǎn)光譜的特征波長(zhǎng)。其次,針對(duì)實(shí)驗(yàn)獲取高光譜圖像數(shù)據(jù)受到高光譜儀因光電效應(yīng)產(chǎn)生的系統(tǒng)噪聲很明顯的問(wèn)題,引入了信號(hào)處理領(lǐng)域的奇異譜分析(SingularSpectrumAnalysis,簡(jiǎn)稱SSA)來(lái)降低噪聲,并通過(guò)局部圖像方差和若干光譜相似性度量指標(biāo)來(lái)衡量其降噪效果。與原始數(shù)據(jù)相比,SSA處理后的圖像數(shù)據(jù)局部圖像方差最高降低70%以上,光譜相似性度量指標(biāo)值也出現(xiàn)了不同程度的下降,圖像的系統(tǒng)噪聲得到了明顯下降,提高了數(shù)據(jù)的穩(wěn)定性。再次,針對(duì)農(nóng)藥點(diǎn)檢測(cè)問(wèn)題,基于RX算法的基本原理,將雙窗口局部RX算法中的外窗改進(jìn)為可以變化,并結(jié)合主成分分析(PCA)的數(shù)據(jù)降維方法,提出了一種外窗可變的基于主成分分析的雙窗局部RX算法(外窗可變PCA-LRX),實(shí)驗(yàn)結(jié)果表明,與其他4種RX系列算法相比,外窗可變PCA-LRX算法對(duì)農(nóng)藥點(diǎn)的檢測(cè)效果最好,不僅能檢測(cè)出全部的農(nóng)藥點(diǎn)目標(biāo),虛警率還低。接收機(jī)操作特性曲線(ROC)顯示,在相同虛警率水平下,外窗可變PCA-LRX算法的檢測(cè)率最高。最后,針對(duì)外窗可變PCA-LRX算法存在運(yùn)行時(shí)間較長(zhǎng)的問(wèn)題,基于Hausdorff度量的基本原理,結(jié)合主成分分析的降維方法,提出了一種改進(jìn)的Hausdorff度量異常檢測(cè)算法,即PCA-MHD算法,用以檢測(cè)蔬菜上的農(nóng)藥點(diǎn)。實(shí)驗(yàn)結(jié)果顯示,PCA-MHD算法也能檢測(cè)出全部的農(nóng)藥點(diǎn),并且與外窗可