[发明专利]高光谱成像技术实时监测海洋沉积物剖面物质含量的方法在审
申请号: | 201711290268.3 | 申请日: | 2017-12-08 |
公开(公告)号: | CN108051375A | 公开(公告)日: | 2018-05-18 |
发明(设计)人: | 李雪莹;范萍萍;吕美蓉;石小梅;张颖;王茜;刘岩 | 申请(专利权)人: | 山东省科学院海洋仪器仪表研究所 |
主分类号: | G01N21/25 | 分类号: | G01N21/25 |
代理公司: | 青岛华慧泽专利代理事务所(普通合伙) 37247 | 代理人: | 沙莎 |
地址: | 266071 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 光谱 成像 技术 实时 监测 海洋 沉积物 剖面 物质 含量 方法 | ||
本发明属于借助光谱性质测定物质含量技术领域,公开了一种高光谱成像技术实时监测海洋沉积物剖面物质含量的方法,步骤为:1)获取样品剖面高光谱图像,读取高光谱数据至计算机中;2)在计算机中根据监测沉积物不同物质含量的需求,对图像进行空间剪裁和提取有效颜色;3)在计算机中根据监测沉积物不同物质含量的需求,对高光谱数据进行光谱预处理和提取特征波长;4)根据监测沉积物不同物质含量的需求,将高光谱图像的每个像素点的光谱代入已建立模型中,实时获得该沉积物样品各个物质含量的预测结果。本发明基于高光谱成像技术,实现一次测量,同时获取不同深度沉积物含不同物质的含量,简单、便捷、快速的对不同深度沉积物各物质含量进行实时测量。
技术领域
本发明涉及借助光谱性质测定物质含量技术领域,具体涉及高光谱成像技术实时监测海洋沉积物剖面物质含量的方法。
背景技术
海洋沉积物是由海洋底部堆积的具有不同性质和来源的矿物或生物的碎屑物质,同时海洋沉积物还具有地球上最大面积的覆盖层,因此海洋沉积物构成了地球空间覆盖中最大的单一生态系统, 在全球生物地球化学循环中有着重要地位。目前海洋沉积物受人类活动的影响越来越大,海洋沉积物一旦遭受污染,将会导致生态环境恶化、威胁海底生物的生存,从而引起严重的海洋生态环境问题。因此实时监测海洋沉积物各物质的含量对了解该海域的基本情况,预防生态问题的发生、及时改善生态环境、减少海洋沉积物的污染起着重要的作用。
目前,对于沉积物各物质含量的测量主要采用化学方法,不同的物质要采用不同的化学测量方法,且该方法需要复杂的前处理,获取数据周期较长,耗时耗力,不能实时监测沉积物各物质含量的变化。因此,提供一种简单、快速和便捷的测量方法是很有必要的。
发明内容
本发明为解决上述技术问题,提出一种简单、快速和便捷的高光谱成像技术实时监测海洋沉积物剖面物质含量的方法,采用以下技术方案予以实现。
高光谱成像技术实时监测海洋沉积物剖面物质含量的方法,步骤如下:
(1)对刚采集的沉积物样品获取其剖面高光谱图像,读取高光谱数据,将数据传入计算机中。采集的沉积物样品为近海沉积物,或浅海沉积物, 或深海沉积物,根据沉积物深度需要拍摄高光谱图像。
(2)在计算机中,根据监测沉积物不同物质含量的需求,对高光谱图像进行空间剪裁,选取有效空间的高光谱图像,即去除高光谱图像的无关背景,包括去除有效高光谱图像的无关背景和解决图像变形问题。采用马氏距离法、最小距离法等算法对图像进行空间裁剪。
(3)在计算机中,根据监测沉积物不同物质含量的需求,对高光谱图像RGB提取有效信息进行图像分割,以利于消除沉积物高光谱图像中沙粒和生物等无关因素对后期预测结果影响。采用分水岭分割算法、均值漂移分割算法等算法对提取有效颜色进行图像分割。
(4)在计算机中,根据监测沉积物不同物质含量的需求,对高光谱数据进行光谱预处理。光谱预处理包括无预处理、谱区选择、平滑求导、SNV、MSC、归一化等算法。
(5)在计算机中,根据监测沉积物不同物质含量的需求,对高光谱数据选择不同的特征波段。特征波段选择包括采用连续投影算法(SPA)、无信息变量消除算法(UVE)、遗传算法(GA)方法等算法。
(6)在计算机中,根据监测沉积物不同物质含量的需求,将高光谱图像的每个像素点的光谱代入已建立模型中,若采集的待测沉积物样品与已建立模型的样品为同一位置,则可直接代入该模型中;若采集的待测沉积物样品与已建立模型的样品不在同一位置,则先对待测沉积物样品进行模型转移后,再代入该模型中,实时获得该沉积物样品不同深度的各个物质含量预测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东省科学院海洋仪器仪表研究所,未经山东省科学院海洋仪器仪表研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711290268.3/2.html,转载请声明来源钻瓜专利网。