用近紅外高光譜圖像區(qū)分不同品質(zhì)的建筑涂料

　　蔣金豹，喬小軍，何汝艷，田奮民

 

　　【中國(guó)涂料采購網(wǎng)】摘 要 市場(chǎng)上出售的建筑涂料品種繁多，型號(hào)和品質(zhì)不盡相同。利用高光譜技術(shù)區(qū)分不同品質(zhì)的建筑涂料。獲取同一顏色四個(gè)不同品質(zhì)、不同品牌建筑涂料(品牌 A，B，C，D)的近紅外高光譜圖像，利用 ANOVA(analysisofvariance)方法發(fā)現(xiàn)1283和2447nm 為區(qū)分四個(gè)品牌涂料的最優(yōu)波段。構(gòu)建比值指數(shù) 犚1283/犚2447并對(duì)其結(jié)果進(jìn)行閾值分割，將分割結(jié)果與最大似然分類精度進(jìn)行了對(duì)比。結(jié)果表明除品牌 C與 D 之間JM 距離外，其他涂料間JM 距離均大于1.8;而犚1283/犚2447指數(shù)分割精度最低為87.54%，相應(yīng)最大似然分類精度為95.63%，其他品牌涂料閾值分割與最大似然分類精度均達(dá)到90%以上。因此，犚1283/犚2447指數(shù)能夠較好地區(qū)分不同品牌的建筑涂料。該研究結(jié)果可為建筑涂料識(shí)別、裝修質(zhì)量驗(yàn)收、合格評(píng)定提供技術(shù)支持。

關(guān)鍵詞 建筑涂料;近紅外高光譜圖像;ANOVA;區(qū)分

中圖分類號(hào)：O657.3 文獻(xiàn)標(biāo)識(shí)碼：

A 犇犗犐：10.3964/j.issn.10000593(2016)02037905

　　引 言

      市場(chǎng)上出售的建筑涂料品種繁多，型號(hào)和品質(zhì)不盡相同。建筑涂料主要由粘結(jié)材料、顏料、填料、稀釋劑等經(jīng)一定工藝制造而成的產(chǎn)品，其中粘結(jié)材料的含量顯著影響著涂料性能[1]。同一顏色的不同品牌、不同品質(zhì)的建筑涂料，在可見光范圍內(nèi)具有十分相似的光譜特征，導(dǎo)致肉眼難以辨別，這就為涂料產(chǎn)品以假亂真和以次充好提供了可能。目前在建筑裝修驗(yàn)收環(huán)節(jié)，涂料品質(zhì)的優(yōu)劣主要靠經(jīng)驗(yàn)觀察判斷，尚缺乏一種快速可靠的檢測(cè)方法。成像光譜技術(shù)能在肉眼觀察(0.38～0.76μm)范圍以外的波段區(qū)域內(nèi)測(cè)量并記錄待測(cè)物體的吸收和反射光譜響應(yīng)及圖像信息。因此，在可見光范圍內(nèi)具有相似或相近光譜特征的建筑涂料，在近紅外范圍內(nèi)則有可能存在顯著差異。張兵等[2]利用高光譜圖像對(duì)北京亞運(yùn)村建材市場(chǎng)屋頂材料進(jìn)行了識(shí)別研究，結(jié)果表明高光譜遙感可以識(shí)別不同品種的涂料;并用同樣的方法對(duì)奧體公園中心地區(qū)的天然草坪和人工草坪進(jìn)行了有效識(shí)別[3]。武鋒強(qiáng)等[4]利用波譜范圍在0.4～1.0和1.3～2.5μm 的兩種高光譜數(shù)據(jù)確定了古畫中的顏料成分，結(jié)果與拉曼光譜檢驗(yàn)一致。侯妙樂等[5]利用400～1000nm 的高光譜影像提取了壁畫的底稿信息，恢復(fù)了模糊不清的底稿輪廓。Chang等已利用“HYDICEpanelscene”數(shù)據(jù)進(jìn)行了諸多亞像元目標(biāo)識(shí)別和　　分類的相關(guān)研究[67]。上述研究顯示了高光譜遙感技術(shù)在地物識(shí)別中具有優(yōu)勢(shì)。本研究嘗試?yán)媒t外成像光譜技術(shù)識(shí)別同一顏色不同品牌(品質(zhì)不同)建筑涂料的可行性，為以后利用高光譜技術(shù)鑒定已裝修好建筑物涂料類型與品質(zhì)提供理論依據(jù)和技術(shù)方法支持。

1 實(shí)驗(yàn)部分

1.1 材料

        試驗(yàn)使用四個(gè)同一顏色(粉紅色)不同品質(zhì)、不同品牌的建筑涂料(分別為品牌 A，B，C，D)。將四種涂料均勻噴涂于同質(zhì)涂料測(cè)試板上，待烘干后用于高光譜成像。四種涂料顏色、外觀基本一致，肉眼難以分辨其差異。

1.2 圖像數(shù)據(jù)獲取

      采用ImSpectorN25E(SpectralImagingLtd，F(xiàn)inland)光譜儀獲取成像高光譜數(shù)據(jù)，其為推掃式成像，自帶光源，每次可獲取320像元的一行數(shù)據(jù)，列數(shù)由物體的掃描長(zhǎng)度決定。成像光譜范圍在1000～2500nm(共239個(gè)波段)，光譜分辨率約為6.3nm[8]。獲取數(shù)據(jù)時(shí)瞬時(shí)視場(chǎng)角為100°。每次掃描成像同時(shí)獲取物體的白板和暗電流數(shù)據(jù)。為了對(duì)比在可見光范圍內(nèi)四個(gè)品牌涂料的光譜特征，并利用美國(guó)SOC710VP成像光譜儀獲取了上述四種涂料在400～1000nm 內(nèi)共128個(gè)波段的高光譜數(shù)據(jù)，其光譜分辨率約　　為4.69nm[9]。于2014年6月27日12：30在北京室外掃描成像，操作支架的高度為1.65m，視場(chǎng)角為12°，同樣每次掃描成像同時(shí)獲取暗電流和反射率參考版數(shù)據(jù)。

1.3 圖像預(yù)處理

1.3.1 高光譜圖像輻射校正

        為方便對(duì)比研究，將四種涂料從背景中裁剪出來并拼接為一張影像，拼接后每類涂料大小為310×310個(gè)像元，整幅影像共620×620個(gè)像元。利用反射率參考白板與暗電流數(shù)據(jù)按以下公式完成對(duì)高光譜圖像進(jìn)行輻射校正[10]。校正公式如下

式中：R為 校 正 后 的 高 光 譜 圖 像 的 相 對(duì) 反 射 率，R∈ [0，100];Is為涂料原始高光譜 DN 值;Id是黑板的定標(biāo)圖像的DN 值;Iw 為白板定標(biāo)圖像的 DN 值。

1.3.2 高光譜圖像平滑

        獲取的可見光高光譜數(shù)據(jù)在400～1000nm 共128個(gè)波段，近紅外高光譜影像在1000～2500nm 范圍內(nèi)共239個(gè)波段。光譜平滑技術(shù)(如移動(dòng)平均值，SG 濾波，中值濾波和高斯濾波)可以用來消除光譜噪聲[11]?？梢姽飧吖庾V數(shù)據(jù)因只用來對(duì)比和近紅外光譜之間的差異，所以未對(duì)其進(jìn)行平滑處理。僅對(duì)近紅外高光譜影像利用 5點(diǎn)平滑法進(jìn)行光譜平滑，具體平滑公式[12]如下所示

      式中，Ri 為第i波段的反射率值，且i∈[2，237]，犘平滑 為每個(gè)像元(Pixel)平滑后的光譜。
    工作中所有的圖像處理操作均在 ENVI4.8(ExelisVisualInformationSolutions，Boulder，CO，USA)，ArcGIS(EnvironmentalSystemsResearchInstitute，Inc.)以 及 MatlabR2010a(TheMathWorksInc.)環(huán)境下編寫的計(jì)算機(jī)程序進(jìn)行計(jì)算。

1.4 高光譜圖像處理與分析方法

1.4.1 波段選擇

       由于高光譜圖像波段多，相鄰波段具有很強(qiáng)的相關(guān)性，導(dǎo)致波段數(shù)據(jù)存在冗余[13]。因此需要先降維再提取有利于目標(biāo)探測(cè)和物質(zhì)識(shí)別的波段信息。常用的降維方法主要包括特征提取和特征選擇兩類。特征提取通過把高維數(shù)據(jù)投影映射到低維空間，其本質(zhì)是所有波段的某種線性組合(如PCA，MNF，LDA 等)，然而利用特征提取降維后的特征易失去光譜特性等物理含義[3]。而特征選擇可以挑選出對(duì)目標(biāo)探測(cè)或識(shí)別最優(yōu)的波段，擬利用方差分析方法提取對(duì)識(shí)別四種品牌涂料最優(yōu)的波段。

       方差分析是在方差已知情況下，正態(tài)分布的各總體均值是否相等的一種假設(shè)檢驗(yàn)[14]。Wang等利用 ANOVA 確定了三類紅樹 的 反 射 率 均 值 顯 著 性 差 異 (狆≤0.01)的 波 譜 范圍[15]。Prospere等利用 ANOVA 對(duì)構(gòu)造的47個(gè)光譜指數(shù)的顯著性差異水平進(jìn)行了檢驗(yàn)[16]。Cho等用 ANOVA 的 F值確定了對(duì)圣女果腐爛信息敏感的波段[17]。為尋求最優(yōu)識(shí)別波段，在每個(gè)波段對(duì)任意組合的兩類涂料利用單因素方差分析檢驗(yàn)其均值是否具有顯著性差異。構(gòu)造如下假設(shè)，

　　式中i，j表示不同的類別組合且i，j ∈{“品牌 A”，“品牌B”，“品牌C”，“品牌 D”｝，K表示不同波段(K∈[1，239])。方差分析可以用F值進(jìn)行假設(shè)檢驗(yàn)，統(tǒng)計(jì)量F值越大，表示兩類涂料均值的差異越顯著性，進(jìn)而說明該波段能最大程度區(qū)分這兩種涂料。

1.4.2 波段比值法

        波段比值法在高光譜和多光譜 TM 影像中已被大量應(yīng)用，其優(yōu)勢(shì)在于能抑制成像環(huán)境的影響并增強(qiáng)不同地物間的輻射差異[18-19]，能放大不同材料之間的吸收特征[20]。Wang等[15]利用對(duì)脅迫敏感的波段與不敏感波段的比值增強(qiáng)了紅樹脅迫程度的差異。蔣金豹[21]構(gòu)造了比值光譜指數(shù) R800 × R550/R680用于識(shí)別水浸玉米與甜菜，發(fā)現(xiàn)該比值指數(shù)的識(shí)別能力優(yōu)于其他指數(shù)，且表現(xiàn)出較強(qiáng)的穩(wěn)健性。本研究利用方差分析選出最優(yōu)波段，并對(duì)其做波段比運(yùn)算，以突出不同涂料的可區(qū)分性。

        為了評(píng)價(jià)波段比值指數(shù)對(duì)四個(gè)品牌涂料的可分性，還利用隨機(jī)樣本點(diǎn)計(jì)算了不同種類之間的JM 距離Jij(具體可參閱文獻(xiàn)[3，20])。研究中用平方距離來表達(dá)，當(dāng)0<≤ 1.0時(shí)類別之間的特征不具備可分性，1.0<≤1.8時(shí)有一定可分性但 類 別 之 間 存 在 重 疊，1.8< ≤2 時(shí) 可 分 度 較大[22]。

1.4.3 圖像分類為了評(píng)價(jià)

 

 ANOVA 選出的最優(yōu)波段組合對(duì)四個(gè)品種涂料的區(qū)分能力，利用高斯最大似然分類器(MLC)對(duì)四種涂料進(jìn)行了分類。最大似然是遙感圖像監(jiān)督分類中最常用的分類方法之一，在有足夠典型的訓(xùn)練樣本且總體呈正態(tài)分布的條件下，能表現(xiàn)出很好的分類性能[20]。從四類涂料中隨機(jī)選取訓(xùn)練樣本，并將 ANOVA 得到的最優(yōu)波段作為特征進(jìn)行分類。

2 結(jié)果與討論

2.1 ANOVA最優(yōu)波段選擇

       為了對(duì)比四種涂料在可見光和近紅外的光譜響應(yīng)差異，分別從可見光和近紅外高光譜圖像中均勻提取50個(gè)像元并取其平均值作為各類涂料的光譜值，如圖1(其中可見光光譜數(shù)據(jù)僅選取了360～700nm 部分)。四種涂料在可見光內(nèi)光譜曲線高度重合，尤其是 B，C 和 D 三種，難以利用肉眼進(jìn)行識(shí)別。但是四種涂料在近紅外范圍的光譜特性差異明顯，易于區(qū)別。

       每種涂料從近紅外高光譜圖像中隨機(jī)選取200個(gè)像元樣本點(diǎn)，利用 ANOVA 計(jì)算在每個(gè)波段(共239個(gè))各類別組合(共個(gè))均值的差異，并用統(tǒng)計(jì)量F 值反映差異的顯著性，F(xiàn)值越大表示兩類的均值差異越顯著。圖2是四個(gè)品牌涂料的類別組合在每個(gè)波段的F 值，由于“CD”組合的 F值較小，為方便與其他類別組合的 F 值對(duì)比顯示將其放大了200倍。由圖2可知，“C-D”在波段1283nm 其均值差異最　　明顯;其他5個(gè)類別組合在波段2266和2447nm 差異性最顯著，但是“C-D”在2447比2266nm 均值差異性更顯著。因此，最后選擇1283和2447nm 兩個(gè)波段作為最優(yōu)波段。

Fig.1  Spectral responses of the four kinds of coatings in visible and Near=Infrared region