一种基于高光谱的船舶尾气测量系统及方法与流程

本发明涉及一种船舶尾气测量技术领域，特别涉及一种基于高光谱的船舶尾气测量系统及方法。

背景技术：

船舶排出的尾气中主要含有氮氧化物(nox)、硫氧化物(sox)，碳氧化物(cox)，碳氢化合物(hc)及颗粒物等。船舶尾气使温室效应、臭氧层破坏和酸雨等大气环境问题变得更为严重，在污染空气的同时，严重影响了人类日常生活的方方面面，对人们的身体健康构成极大的威胁。随着船舶发动机排放污染问题越来越突出，对船舶尾气排放进行有效的监管具有迫切的需求和重要的意义。

目前，国内外研究和实际应用中可用于船舶尾气排放检测的方法主要有实验室对比分析法、船载尾气检测系统和遥测法。根据不同的工作原理，它们都有各自的适用范围和优缺点。实验室尾气比对分析法是通过尾气预处理装置采集储存船舶尾气，适用于在实验室环境下对尾气成分进行定性定量分析。实时船载尾气检测系统主要包括尾气预处理装置、气体分析仪、微机处理软件等部分，具有较高的检测精度，需要为每台船舶单独配备。遥测法可以对目标海域的船舶尾气排放进行大范围的检测，符合目前的应用需求。

现有的尾气遥测技术主要是基于主动光源，受环境影响较大，且装置安装会受到一定的限制；而且现有方法的检测范围较小，难以应用于大范围的筛查监管。

技术实现要素：

为进一步扩大船舶尾气的有效检测范围，本发明提供一种基于高光谱的船舶尾气测量系统及方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于高光谱的船舶尾气测量系统，包括高光谱数据采集模块、数据预处理模块及光谱分析模块；高光谱数据采集模块包括线扫描的高光谱相机及设有高广角镜头的普通相机；普通相机用于定位目标船舶；高光谱相机用于实时线扫描采集目标船舶尾气的光谱数据；数据预处理模块用于对采集的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的高光谱图像数据进行分析处理，其内设有基于支持向量机的多维时序船舶尾气光谱分析模型，多维时序船舶尾气光谱分析模型输入目标船舶尾气的高光谱图像数据，输出尾气的成分数据。

进一步地，数据预处理模块包括：用于去除高光谱图像数据中的异常点的高光谱异常点处理单元，用于提高信噪比的滤波去噪单元。

进一步地，滤波去噪单元包括多进制小波滤波子单元，多进制小波滤波子单元用于对船舶尾气特征光谱进行时频多尺度分解。

本发明还提供了一种利用上述的基于高光谱的船舶尾气测量系统的基于高光谱的船舶尾气测量方法，该方法包括如下步骤：

步骤一，采用普通相机在不同角度对海面上船只进行拍摄，识别并定位目标船舶；

步骤二，目标船舶定位后，将高光谱相机扫描位置设置为目标船舶上方，由高光谱相机对目标船舶的尾气进行线扫描，采集目标船舶尾气的高光谱图像数据；

步骤三，由数据预处理模块对采集的高光谱图像数据进行预处理；

步骤四，在光谱分析模块中建立基于支持向量机的多维时序船舶尾气光谱分析模型，由多维时序船舶尾气光谱分析模型获得目标船舶尾气的成分数据。

进一步地，在步骤一之前，对普通相机和高光谱相机进行标定及校正。

进一步地，步骤三中，对采集的高光谱图像数据进行预处理的方法包括：去除高光谱图像数据中的异常点，对高光谱图像数据进行滤波及去噪。

进一步地，去除高光谱图像数据中的异常点的方法包括：对高光谱图像数据进行一阶导数与二阶导数的数据融合，设置异常阈值，找出融合数据中大于异常阈值的异常点，将异常点用周围点的投票平均值代替。

进一步地，步骤四中，多维时序船舶尾气光谱分析模型包括光谱维尾气光谱模型和空间维尾气光谱模型；利用高光谱数据的光谱信息存在一定的扫描时间差，先对高光谱数据进行光谱维的预识别，光谱维尾气光谱模型输入线扫描采集的高光谱图像数据，输出尾气的成分数据，等到空间维高光谱数据完全扫描完成后，依照预识别的结果筛选出一部分高光谱图像数据，并输入空间维尾气光谱模型，由空间维尾气光谱模型进一步计算尾气排放的种类、含量以及分布。

进一步地，综合光谱维尾气光谱模型和空间维尾气光谱模型的输出结果，采用权重投票方法得到综合结果。

进一步地，步骤四中，建立船舶尾气高光谱图像数据的样本数据库，根据多维时序船舶尾气光谱分析模型的输出结果，对采集的船舶尾气高光谱图像数据进行分类标注并存入样本数据库。

本发明具有的优点和积极效果是：利用高光谱检测技术具有检测速度快，能够实时检测、检测范围广等优势。采用线扫描的高光谱相机采集目标船舶尾气的光谱数据；通过基于支持向量机的多维时序船舶尾气光谱分析模型对船舶尾气进行分析，从而实现对目标船舶尾气的遥测。

本发明提供的一种基于高光谱的船舶尾气测量系统，不仅可以对船舶尾气进行大范围的实时检测，有效降低系统误报和漏报的情况，而且通过建立自分类数据库构建模式，得到有标记的船舶尾气高光谱数据库，结合化学计量学的方法获得目标海域中尾气的成分和浓度信息，实现多种尾气成分的同时测量。

本发明的一种基于高光谱的船舶尾气测量方法，该方法基于支持向量机建立多维时序船舶尾气光谱分析模型，采用时序多维支持向量机识别方法，在传统通用的支持向量机建模基础上，提高了识别的速度与准确率。

附图说明

图1是本发明的一种基于高光谱的船舶尾气测量系统的结构示意图。

图2是co2高光谱光谱维数据图。

图3是h2o高光谱光谱维数据图。

图4是no高光谱光谱维数据图。

图5是no2高光谱光谱维数据图。

图6是n2o高光谱光谱维数据图。

图7是ch4高光谱光谱维数据图。

图8是c2h4高光谱光谱维数据图。

图9是so2高光谱光谱维数据图。

图10是so3高光谱光谱维数据图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：

请参见图1至图10，一种基于高光谱的船舶尾气测量系统，包括高光谱数据采集模块、数据预处理模块及光谱分析模块；高光谱数据采集模块包括线扫描的高光谱相机及设有高广角镜头的普通相机；普通相机用于定位目标船舶；高光谱相机用于实时线扫描采集目标船舶尾气的光谱数据；数据预处理模块用于对采集的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的高光谱图像数据进行分析处理，其内设有基于支持向量机的多维时序船舶尾气光谱分析模型，多维时序船舶尾气光谱分析模型输入目标船舶尾气的高光谱图像数据，输出尾气的成分数据。普通相机是指一般相机，其利用化学成像原理形成影像并记录，记录的信息相对于高光谱相机缺少光谱维光谱信息。

图2至图10是几种典型的船舶尾气高光谱光谱维数据，通过多维时序船舶尾气光谱分析模型对船舶尾气进行识别，利用先扫描得到的高光谱数据的光谱信息存在一定的扫描时间差的特点，先对高光谱数据进行光谱维的预识别，再对应典型的船舶尾气高光谱光谱维数据，基于支持向量机的方法对光谱维建模，等到空间维高光谱数据完全扫描完成后，依照预识别的结果进行筛选，对高光谱数据进行空间维的建模分析，通过光谱维和空间维两次建模可以得到船舶尾气的成分数据。

线扫描的高光谱相机及设有高广角镜头的普通相机可采用现有技术中的产品。例如specimspecim公司生产的spectralcameramwir系列的线扫描高光谱相机，以及theia公司生产的my125m型号的普通相机。普通相机可以采用带有图像识别及定位系统的单目相机定位系统。也可以在本发明的系统中设置图像识别及定位软件，由图像识别及定位软件对普通相机采集的图像进行处理，对目标船舶进行识别及定位。图像识别及定位软件可采用现有技术中的软件。

优选地，数据预处理模块可包括：用于去除高光谱图像数据中的异常点的高光谱异常点处理单元，用于提高信噪比的滤波去噪单元，用于对高光谱光源强度校准的高光谱绝对强度校准单元。

可采用现有技术中的方法构建高光谱异常点处理单元、滤波去噪单元及高光谱绝对强度校准单元。

优选地，滤波去噪单元可包括多进制小波滤波子单元，多进制小波滤波子单元用于对船舶尾气特征光谱进行时频多尺度分解。小波滤波子单元可采用现有技术中的方法构建。

本发明还提供了一种利用上述的基于高光谱的船舶尾气测量系统的基于高光谱的船舶尾气测量方法实施例，该方法包括如下步骤：

步骤一，采用普通相机在不同角度对海面上船只进行拍摄，识别并定位目标船舶。

步骤二，目标船舶定位后，将高光谱相机扫描位置设置为目标船舶上方，由高光谱相机对目标船舶的尾气进行线扫描，采集目标船舶尾气的高光谱图像数据。

步骤三，由数据预处理模块对采集的高光谱图像数据进行预处理。

步骤四，在光谱分析模块中建立基于支持向量机的多维时序船舶尾气光谱分析模型，由多维时序船舶尾气光谱分析模型获得目标船舶尾气的成分数据。

优选地，在步骤一之前，对普通相机和高光谱相机进行标定及校正。可采用现有技术中的方法对普通相机进行标定及校正，对高光谱相机进行高光谱的绝对强度与拍摄距离校准。

优选地，步骤三中，对采集的高光谱图像数据进行预处理的方法包括：去除高光谱图像数据中的异常点，对高光谱图像数据进行滤波及去噪，对高光谱光源强度进行校准。

可采用现有技术中方法去除高光谱图像数据中的异常点，对高光谱图像数据进行滤波及去噪，对高光谱光源强度进行校准。

优选地，去除高光谱图像数据中的异常点的方法可包括：对高光谱图像数据进行一阶导数与二阶导数的数据融合，设置异常阈值，找出融合数据中大于异常阈值的异常点，将异常点用周围点的投票平均值代替。

可采用多进制小波滤波法，对高光谱图像数据进行滤波及去噪。

可设置标准光源对太阳光光源进行自行比对校准，也可利用定位的普通相机，提取拍摄天空无遮蔽物部分，对当前阳光强度进行评估校正。

优选地，步骤四中，多维时序船舶尾气光谱分析模型可包括光谱维尾气光谱模型和空间维尾气光谱模型；光谱维尾气光谱模型输入线扫描采集的高光谱图像数据，输出尾气的成分数据，依照预识别的结果筛选出一部分高光谱图像数据，并输入空间维尾气光谱模型，即可根据光谱维尾气光谱模型的输出结果，从线扫描采集的高光谱图像数据中筛选出一部分高光谱图像数据，将筛选出的高光谱图像数据输入空间维尾气光谱模型，由空间维尾气光谱模型进一步计算尾气排放的种类、含量以及分布。

光谱维尾气光谱模型利用先扫描得到的高光谱数据的光谱信息存在一定的扫描时间差的特点，先对高光谱数据进行光谱维的预识别，再对应典型的船舶尾气高光谱光谱维数据，基于支持向量机的方法对光谱维建模。

优选地，可综合光谱维尾气光谱模型和空间维尾气光谱模型的输出结果，采用权重投票方法得到综合结果。

优选地，步骤四中，可建立船舶尾气高光谱图像数据的样本数据库，可根据多维时序船舶尾气光谱分析模型的输出结果，对采集的船舶尾气高光谱图像数据进行分类标注并存入样本数据库。

下面以本发明的一个优选实施例来进一步说明本发明的一种基于高光谱的船舶尾气测量系统工作流程及工作原理：

一种基于高光谱的船舶尾气测量系统，包括高光谱数据采集模块、数据预处理模块及光谱分析模块；高光谱数据采集模块包括线扫描的高光谱相机及设有广角镜头的普通相机；普通相机用于定位目标船舶；高光谱相机用于实时线扫描采集目标船舶尾气的光谱数据；数据预处理模块用于对采集的高光谱图像数据进行预处理；光谱分析模块用于对预处理后的高光谱图像数据进行分析处理，其内设有基于支持向量机的多维时序船舶尾气光谱分析模型，多维时序船舶尾气光谱分析模型输入目标船舶尾气的高光谱图像数据，输出尾气的成分数据。

采用普通相机在不同角度对海面上船只进行拍摄，识别并定位目标船舶；定位后，采用线扫描的高光谱相机采集定位后的目标船舶尾气的高光谱图像数据。普通相机配有高广角镜头，可以对海面上大范围进行拍摄，利用动态图像识别技术，快速定位出现在检测区域的目标船舶。成功定位后将线扫描高光谱相机扫描位置设置为目标船舶上方，对目标船舶排放的尾气进行实时扫描。

由于现有船舶尾气的标记样本数据库比较少，所以用于船舶尾气光谱分析模型的训练样本不足，需要自行采集。而采集有标记的船舶尾气高光谱数据所需要的时间成本非常高。本发明可以建立船舶尾气高光谱数据的样本数据库，将采集的高光谱图像数据，根据多维时序船舶尾气光谱分析模型的输出结果，并结合实验室尾气比对分析法获得的数据，制作船舶尾气的标记样本，存入自行建立的船舶尾气高光谱数据的样本数据库中，用于对多维时序船舶尾气光谱分析模型的持续训练，也可以为其他机器学习模型训练使用。将系统安置在目标海域进行数据采集，期间不需要人力操作与维护。采集数据的时间可以根据需要自行决定，待采集得到足够多的船舶尾气高光谱数据后，对数据进行自分类对抗训练，将船舶尾气高光谱数据自行分类，对应船舶的尾气标准光谱，对船舶尾气高光谱数据进行自匹配标记，无法匹配的数据归类为异常数据库，由此即可得到大量的有标记的船舶尾气高光谱数据库。

由数据预处理模块对采集的高光谱图像数据进行预处理。数据预处理模块主要有三部分组成，用于去除高光谱图像数据中的异常点的高光谱异常点处理单元，用于提高信噪比的滤波去噪单元，用于对高光谱相机绝对强度校准的高光谱绝对强度校准单元。用于对高光谱相机拍摄距离校准的拍摄距离校准单元。

首先，高光谱在采集过程中，由于相机本身的质量和硬件损耗，会有一些探测点容易出现异常值，此外，一些特殊的强光照射可能导致信号饱和，例如近距离的海面反光。这些原因所造成的异常值统称为高光谱的异常点数据，如果不预先把这些点去除掉，会直接影响高光谱的分析准确率。本发明通过对船舶尾气高光谱数据进行一阶导数与二阶导数的数据融合，设计异常阈值m，找出融合数据中大于异常阈值m的异常点，将异常点用周围点的投票平均值代替，从而完成高光谱异常点校准。其次，由于自然情况的复杂性，阳光的强度是不稳定的，需要对高光谱进行绝对强度校准。不同于其他的高光谱检测情况，船舶尾气检测时距离的远近也会影响对尾气浓度的判断。本发明提出的多角度辅助判断法可以很好的解决这个问题，可利用定位的普通相机，分析提取拍摄天空无遮蔽物部分，没有云等遮蔽物影响光线传播，对当前阳光强度进行评估校正。再利用定位的普通相机对线扫描的高光谱相机的扫描位置进行定位，因为每次扫描时角度会改变，基于普通相机所提供的位置信息，可以利用多目视觉理论对船舶所在距离进行计算。

滤波去噪单元包括多进制小波滤波子单元，引入多进制小波滤波，对船舶尾气特征光谱进行时/频多尺度分解，可以提升高光谱图像数据的信噪比。多进制小波滤波具有更佳的多尺度分辨能力及自适应性，可针对化学成特征光谱的特点，更精细地划分样品信息与光谱干扰，从而为光谱解析提供高质量的数据。

在光谱分析模块中建立基于支持向量机的多维时序船舶尾气光谱分析模型，由多维时序船舶尾气光谱分析模型获得目标船舶尾气的成分数据。几种典型的船舶尾气高光谱光谱维数据如图2至图10所示。不同气体有着完全不同的标志峰。为了应对实际复杂的情况，本发明发展了基于支持向量机的建模方法，提出了时序多维支持向量机识别方法，在传统通用的支持向量机建模基础上，提高了识别的速度与准确率。

在光谱分析模块中建立基于支持向量机的多维时序船舶尾气光谱分析模型，由多维时序船舶尾气光谱分析模型获得目标船舶尾气的成分数据。其具体方法如下：

因为船舶尾气高光谱数据是通过线扫描方式采集的，所以船舶尾气高光谱数据的光谱信息存在一定的扫描时间差，本发明充分利用这个时间差，先对船舶尾气高光谱数据进行光谱维的预识别，利用支持向量机的方法对光谱维建模，建立光谱维尾气光谱模型，先由光谱维尾气光谱模型预识别尾气排放的种类与含量，等到空间维高光谱数据完全扫描完成后，依照预识别的结果对船舶尾气高光谱数据进行筛选，对筛选出的高光谱数据进行空间维的建模分析，建立空间维尾气光谱模型；由空间维尾气光谱模型进一步计算尾气排放的种类、含量以及分布。本方法通过光谱维和空间维的两次建模分析，利用权重投票方法得到综合结果，可以最大程度上减小系统的误报率和漏报率，并提高运算效率，实现船舶尾气的快速监测。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。