1、材料與設備
光纖由四川某高校提供,一共有13種顏色,如圖1所示。
圖1 光纖的RGB圖像
高光譜圖像數(shù)據(jù)采集采用江蘇雙利合譜科技有限公司的 GaiaSorter高光譜分選儀系統(tǒng)。該系統(tǒng)主要由高光譜成像儀、CCD相機、鹵素燈光源、暗箱、計算機組成,如圖2。實驗儀器參數(shù)設置如表1。
圖2 GaiaSorter 高光譜分選儀
表1 GaiaSorter 高光譜分選儀系統(tǒng)參數(shù)
序號 | 相關參數(shù) | V10E |
1 | 光譜范圍 | 400-1000 nm |
2 | 光譜分辨率 | 2.8 nm |
3 | 像面尺寸 | 6.15×14.2 |
4 | 倒線色散 | 97.5nm/mm |
5 | 相對孔徑 | F/2.4 |
6 | 雜散光 | <0.5% |
7 | 波段數(shù) | 520 |
8 | 成像鏡頭 | 25 mm |
在進行高光譜圖像采集時,需要設置相機曝光時間,平臺移動速度以及物鏡之間的距離。這 3 個參數(shù)相互影響,圖像調節(jié)的目的是使采集的圖像大小合適,清晰,不變形失真。經(jīng)過反復嘗試,物鏡高度設置為 26 cm,曝光時間設置為10ms,平臺移動速度設置為 4.3 mm/s。圖像采集軟件采用江蘇雙利合譜科技有限公司提供的高光譜成像系統(tǒng)采集軟件SpecView完成。圖像處理采用 ENVI 5.3 軟件進行處理。在進行圖像處理之前,先要對采集的光譜圖像進行圖像校正,圖像校正公式如下:
(1)
式中,Rref 是校正過的圖像,DNraw 是原始圖像,DNwhite為白板校正圖像,DNdark 是黑板校正圖像。
1.3 光譜獲取
試驗得到的光譜含有由儀器和試驗條件等引起的噪聲,對這些噪聲的處理有助于減少噪聲對光譜分析的影響,突出光譜的有效信息。Savitzky-Golay (SG)平滑算法可以有效消減光譜數(shù)據(jù)中的隨機噪聲,消噪效果受平滑點數(shù)的影響,本文中選擇SG二次多項式7點平滑對光譜數(shù)據(jù)進行處理[15]。在高光譜圖像運用ENVI的感興趣區(qū)域提取功能,獲取各個樣本的感興趣區(qū)域,提取區(qū)域的平均光譜作為各個樣本的光譜。
圖3為不同光纖的光譜反射率曲線圖,從圖中可知,光纖的光譜反射率差異主要集中在可見光區(qū)域,在近紅外區(qū)域,不同的光纖其變化趨勢相同。
圖3 不同光纖的光譜反射率
光譜角填圖是基于物理的一種光譜分類,利用n維角度來匹配像元光譜和參考光譜。將光譜看成是維數(shù)與波段數(shù)相等的空間里的向量,通過計算光譜間的角度的算法,決定了兩個光譜之間的相似性。端元光譜是從ASCII文件或光譜數(shù)據(jù)庫中獲得,或者可以直接從影像中獲得(ROI的平均光譜)。 SAM比較端元光譜向量和每一個像素的向量在n維空間中的角度。角度越小代表與參考光譜越匹配,當像素比特定的*大角度的弧度閾值更大的時候就不會被分類。
圖4為利用圖3的不同光纖的光譜反射率差異,運用光譜角填圖的方法快速查找高光譜影像中與其相匹配的光纖像元,匹配效果如圖4所示。從圖中可知,除了第7根光纖由于其光譜反射率與背景的光譜反射率及其相似,因此被誤認為是背景被剔除外,其他光纖均有較好的識別效果。
圖 4 基于光譜角填圖快速識別不同的光纖
3. 結論
本文利用江蘇雙利合譜科技有限公司自主研發(fā)的高光譜分選儀系統(tǒng)GaiaSorter-V10E對不同的光纖進行快速識別研究,研究結果表明,基于光譜角匹配的方法能有效地識別不同的光纖。
由于本次測試樣本較少,得出的結論僅供參考,另外由于本次測試的背景選的不是很理想,因而造成個別光纖被誤認為是背景被剔除掉,客戶在實際應用或研究的過程中盡量使用不反光的黑布作為背景測試光纖。