一种基于高光谱红外图像处理的气体检测方法
【专利摘要】本发明公开了一种基于高光谱红外图像处理的气体检测方法，包含以下几个步骤：a）、采用高光谱红外成像系统采集目标区域的红外光谱数据；b）、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；c）、采用气体光谱反演算法计算气体的红外吸收谱曲线；d）、对步骤b）中处理后的光谱数据以及步骤c）中计算得到的光谱数据进行归一化以降低谱线中直流分量的影响，然后采用基于特征加权的广义角相似性度量方法来判断气体的种类和浓度。本发明利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声，然后对采集到的高光谱图像实施降噪、降维、光谱反演运算，和气体红外吸收谱库中的数据进行对比，进而可以识别气体的种类和估测气体的浓度。
【专利说明】
一种基于高光谱红外图像处理的气体检测方法
技术领域
[0001] 本发明属于红外探测技术和图像处理技术领域，涉及一种基于高光谱红外图像处 理的气体检测方法。
【背景技术】
[0002] 随着我国经济的快速发展，大气污染和温室气体排放的问题愈来愈突出。为了掌 握污染是如何发生的，需要获得正确的污染气体信息。只有掌握了大气污染的程度、污染源 及其所在地等正确的信息，才能采取降低污染的措施。
[0003] 近年来红外探测技术和高光谱成像技术飞速发展，采用高光谱红外成像技术为在 线监测气体污染物提供了可能。这种技术与传统的顶点取样方法相比具有很大的优势:a) 远距离对气体排放物进行实时监测;b)无需繁琐的取样过程;c)能监控气体羽焰的动态分 布，从而判断气体污染区域及扩散趋势。
[0004] 在基于高光谱成像技术的气体检测装置中，高光谱红外图像处理技术至关重要。 高光谱红外图像的数据量非常大，要对这些海量的数据进行分析，提取出有用的信息并对 检测区域的气体种类和浓度进行测量是一个非常困难而又必须解决的问题。目前有很多高 光谱/超光谱图像处理技术，但是针对气体检测的高光谱红外图像处理技术却比较缺乏。有 必要针对高光谱红外成像气体检测技术开发专用的高光谱图像处理分析技术，使得利用高 光谱红外成像技术实现在线气体检测分析成为可能。
【发明内容】
[0005] 为了实现高光谱红外成像系统的在线气体检测分析，本发明提出一种基于高光谱 红外图像处理的气体检测方法，该方法能够充分利用高光谱红外成像系统采集的高光谱红 外图像数据，并根据气体的高光谱红外成像模型反演出气体的红外光谱特征信息，实现气 体的在线实时检测分析。
[0006] 本发明解决其技术问题所采用的技术方案是:一种基于高光谱红外图像处理的气 体检测方法，包含以下几个步骤：
[0007] a)、采用高光谱红外成像系统采集目标区域的红外光谱数据；
[0008] b)、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；
[0009] c)、采用气体光谱反演算法计算气体的红外吸收谱曲线；
[0010] d)、对步骤b)中处理后的光谱数据以及步骤c)中计算得到的光谱数据进行归一化 以降低谱线中直流分量的影响，然后采用基于特征加权的广义角相似性度量方法来判断气 体的种类和浓度。
[0011]进一步，所述步骤b)的非线性滤波公式为：
(1)
[0013]上式中，i表示数据立方中的坐标(X，Y，Z)，其中X和Y分别表示空域的横坐标和纵 坐标，Z表示光谱维坐标;N( i)表示i的邻域，.、?(/_)表示i的灰度值;权重系数ry/反应了 yi和yj 之间的相似程度，其可以由下式计算得出：
(2)
[0015] 上式中，（」表示位置j处的协方差矩阵，σ表示设定的平滑参数； D((./·) DJJ.y
[0016] ~ ： ： i (3) p DA (./,) A (./,) Dz(./·,)
[0017] 更进一步，所述步骤c)中气体光谱反演算法主要通过以下两个公式来实现：
[0018] Scale = ( l-Tgas) (BgasTair+S2-Sl) (4)
[0019] - exp -Xat(V)C;./ (5) V /. J
[0020] 上式中，igas表示被测气体的透过率，Bgas表示被测气体的普朗克辐射，iair表示被 测气体和高光谱红外成像系统之间空气的透过率，S ral。表示被测气体辐射的计算值，&表示 被测气体和高光谱红外成像系统之间空气的辐射，31表示背景和高光谱红外成像系统之间 空气的辐射，^(v)表示气体光谱数据库中的第i种气体对于频率为v的光的吸收率为气 体的浓度，1为光在气体中传播的光程。
[0021] 更进一步，所述步骤d)中归一化和相似性度量如下所述：
[0022]根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计 算值和实际的测量值S_s之间的相似度，采用基于特征加权的广义角相似度度量方法，当 某个计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测 量值：
(6) ⑵
[0025]上式中，？表示N维特征加权向量，N表示光谱数据立方的光谱维数，由下式求得：
[0028] 上式中，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为N*M，⑩表示 卷积，sum(A)表示矩阵A中所有元素的和，α表示待设定的参数。
[0029] 本发明的有益效果是：
[0030] 1、采用非线性滤波器可以有效降低光谱噪声和图像噪声，提高光谱分析识别的精 度；
[0031] 2、采用气体光谱反演算法可以高精度地还原真实的气体红外吸收谱线，有效提高 目标气体的识别精度，提高气体浓度的测量精度；
[0032] 3、采用基于特征加权的广义角相似度度量方法，可以有效提高气体的检测精度， 降低误检率。
【附图说明】
[0033]图1为本发明气体检测方法的原理框图。
【具体实施方式】
[0034]下面结合附图对本发明作进一步详细说明。
[0035]图1所示为本发明气体检测方法的原理框图，实现气体检测主要包括以下步骤：
[0036] a)、采用高光谱红外成像系统采集目标区域的红外光谱数据；
[0037] b)、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声；其中非 线性滤波公式为：
(1)
[0039]上式中，i表示数据立方中的坐标(X，Y，Z)，其中X和Y分别表示空域的横坐标和纵 坐标，Z表示光谱维坐标;N( i)表示i的邻域，(·(/_)表示i的灰度值;权重系数ri:/反应了yi和yj 之间的相似程度，其可以由下式计算得出：
(2)
[0041] 上式中，（」表示位置j处的协方差矩阵，〇表示设定的平滑参数； 'D,(·/,) ^{./,) 0,(./,)
[0042] ~ ； ： ： (3)' 〇 PxUr) ^)(.//.) D/(.//>)_
[0043] c)、采用气体光谱反演算法计算气体的红外吸收谱曲线；其中气体光谱反演算法 主要通过以下两个公式来实现：
[0044] Scale = ( l-Tgas) (BgasTair+S2-Sl) (4)
[0045] 、= exp〔- Σ A (5)
[0046] 上式中，igas表示被测气体的透过率，Bgas表示被测气体的普朗克辐射，iair表示被 测气体和高光谱红外成像系统之间空气的透过率，S ral。表示被测气体辐射的计算值，&表示 被测气体和高光谱红外成像系统之间空气的辐射，31表示背景和高光谱红外成像系统之间 空气的辐射，^(v)表示气体光谱数据库中的第i种气体对于频率为v的光的吸收率为气 体的浓度，1为光在气体中传播的光程。
[0047] d)、对步骤c)中计算得到的光谱数据以及步骤b)步中处理后的光谱数据进行归一 化，进而可以降低谱线中直流分量的影响，分别采用权重向量对计算出的光谱数据以及测 量得到的光谱数据进行加权，并计算加权后的光谱数据之间的广义角，如果广义角小于设 定的阈值，则判断当前的光谱曲线对应恰好为数据库中光谱曲线所对应的特定浓度的目标 气体。
[0048] 其中归一化和相似性度量如下所述：
[0049] 根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计 算值和实际的测量值S_s之间的相似度，采用基于特征加权的广义角相似度度量方法，当 某个计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测 量值：
(6) (7)
[0052]上式中，F表示N维特征加权向量，N表示光谱数据立方的光谱维数，F由下式求得：
[0055] 上式中，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为N*M，?表示 卷积，sum(A)表示矩阵A中所有元素的和，α表示待设定的参数。
[0056] 本发明通过高光谱红外图像处理模块对采集到的高光谱图像进行非线性滤波进 而可以有效降低光谱噪声和图像噪声，然后利用气体高光谱成像模型以及气体红外吸收谱 数据库来反演出气体光谱曲线，最后将反演出的计算值和实际的测量值进行比对，进而可 以识别气体的种类和估测气体的浓度。
[0057]上述实施例仅例示性说明本发明的原理及其功效，以及部分运用的实施例，对于 本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。
【主权项】
1. 一种基于高光谱红外图像处理的气体检测方法，其特征在于:包含以下几个步骤： a) 、采用高光谱红外成像系统采集目标区域的红外光谱数据； b) 、利用非线性滤波器来降低红外光谱数据噪声和各个波段的图像噪声； c) 、采用气体光谱反演算法计算气体的红外吸收谱曲线； d) 、对步骤b)中处理后的光谱数据以及步骤c)中计算得到的光谱数据进行归一化以降 低谱线中直流分量的影响，然后采用基于特征加权的广义角相似性度量方法来判断气体的 种类和浓度。2. 根据权利要求1所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于， 所述步骤b)的非线性滤波公式为：⑴： 上式中，i表示数据立方中的坐标(X，Y，Z )，其中X和Y分别表示空域的横坐标和纵坐标， Z表示光谱维坐标;N(i)表示i的邻域，i(〇表示i的灰度值;权重系数％/反应了71和5^之间 的相似程度，其可以由下式计算得出：(2) 上式中，ζj表示位置j处的协方差矩阵，σ表示设定的平滑参数；⑶。3. 根据权利要求1所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于， 所沭步骤c)中气体光谱反澝筧法主要通过以下两个公式来实现：(5) 上式中，Tgas表不被测气体的透过率，Bgas表不被测气体的普朗克福射，Tair表不被测气 体和高光谱红外成像系统之间空气的透过率，Sral。表示被测气体辐射的计算值，S2表示被测 气体和高光谱红外成像系统之间空气的辐射，S 1表示背景和高光谱红外成像系统之间空气 的辐射,Ct1(V)表示气体光谱数据库中的第i种气体对于频率为V的光的吸收率，(^为气体的 浓度，1为光在气体中传播的光程。4. 根据权利要求1所述的一种基于高光谱红外图像处理的气体检测方法，其特征在于， 所述步骤d)中归一化和相似性度量如下所述： 根据式(4)和式(5)可以计算一系列的被测气体辐射的计算值，并依次评价每个计算值 和实际的测量值Sme3as之间的相似度，采用基于特征加权的广义角相似度度量方法，当某个 计算值同时满足式(6)和式(7)，则认为该计算值所对应的气体种类和浓度是正确的测量 值： (6) (7)h式中，/表示N维特征加权向量，N表示光谱数据立方的光谱维数，F由下式求得： 上式中，L表示高通滤波算子，x(i)表示波段i对应的图像矩阵，尺寸为Ν*Μ，Θ表示卷积， sum(A)表示矩阵A中所有元素的和，α表示待设定的参数。
【文档编号】G01N21/3504GK106018316SQ201610347241
【公开日】2016年10月12日
【申请日】2016年5月23日
【发明人】岳松, 张智杰, 赵坤, 王晨晟, 余徽, 贾国伟
【申请人】湖北久之洋红外系统股份有限公司