一种基于红外光谱成像技术的大气污染物自适应识别方法及系统技术方案

本发明专利技术公开一种基于红外光谱成像技术的大气污染物自适应识别方法及系统，方法包括：将光谱数据立方体转换成亮温光谱数据立方体；每个亮温光谱减去所属像元中所有亮温光谱的均值，得到去均值后的亮温光谱数据立方体；将去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵；对二维矩阵进行正交分解,根据设定的阈值计算背景子空间；构建检测算子；根据设定的虚警率和概率分布函数，计算检测门限；利用检测算子对所有像元进行识别，将大于检测门限的像元判别为目标像元；计算目标像元的浓度程长值，得到大气污染物浓度的空间分布信息。本发明专利技术不仅能够自适应扣除背景辐射信号的干扰，还能对大气污染物成分进行识别。

【技术实现步骤摘要】
一种基于红外光谱成像技术的大气污染物自适应识别方法及系统
本专利技术涉及大气污染物红外遥感监测领域，特别是涉及一种基于红外光谱成像技术的大气污染物自适应识别方法及系统。
技术介绍
红外遥感监测方法是用仪器对一段距离外的目标物进行观测，是一种不直接接触目标物而能收集信息，对其进行识别、分析、判断的高自动化程度的监测手段。红外光谱成像探测技术是一种利用焦平面探测器对目标进行遥感探测的技术，可以同时获得包含随波长分布的光谱辐射信息和二维空间信息，形成数据立方体。任何物体都向外发射辐射，辐射信号称为背景辐射信号，大气污染物的吸收/发射辐射信号是叠加在背景辐射信号之上的微弱信号。实际应用中，难以直接测量背景辐射信号，需要在不能测量背景辐射信号的情况下，扣除背景辐射信号，实现目标气体识别。光谱成像探测技术获得的数据立方体信息包含大量光谱数据，如何从所测量的大量光谱数据中区分背景辐射信号和目标信号，并对目标信号进行识别，是目前需要解决的问题。
技术实现思路
本专利技术的目的是提供一种基于红外光谱成像技术的大气污染物自适应识别方法及系统。为实现上述目的，本专利技术提供了如下方案：一种基于红外光谱成像技术的大气污染物自适应识别方法，包括：通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体；所述亮温光谱数据立方体是多个亮温光谱组成的数据立方体；每个所述亮温光谱减去所述亮温光谱所属像元中所有亮温光谱的均值，得到去均值后的亮温光谱数据立方体；将所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵；对所述二维矩阵进行正交分解，根据设定的阈值计算背景子空间；构建背景正交算子和背景加目标正交算子；根据背景正交算子和背景加目标正交算子构建检测算子；根据设定的虚警率和概率分布函数，计算检测门限；利用所述检测算子对所有所述像元进行识别，将大于检测门限的像元判别为目标像元；计算所述目标像元的浓度程长值，得到大气污染物浓度的空间分布信息；所述浓度程长值为大气污染物浓度与厚度的乘积。可选的，所述通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体，具体为：根据公式将光谱数据立方体转换成亮温光谱数据立方体；其中T(v)为亮温；v为波数；L(v)为辐射亮度；h为普朗克常数；c为光速；kB为玻尔兹曼常数。可选的，所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵，具体包括：所述去均值后的亮温光谱数据立方体的大小为M行N列K维，则所述二维矩阵的大小为K行M×N列；排列顺序为：所述去均值后的亮温光谱数据立方体的第m行第n列第k维的亮温光谱数据排列到二维矩阵中的位置为第k行第N·(m-1)+n列；其中m、n和j都是整数，分别为亮温光谱数据立方体中的一个数据在亮温光谱数据立方体中的行数、列数和维数，并且1≤m≤M，1≤n≤N，1≤j≤K。可选的，对所述二维矩阵进行正交分解，根据设定的阈值自适应计算背景子空间，具体包括：所述二维矩阵用X表示，生成矩阵Y，所述矩阵Y的生成公式为：Y＝XTX利用快速主成分分析方法对所述矩阵Y进行迭代正交分解；计算所述矩阵Y的特征向量，所述特征向量的数量为I个；计算第i个特征向量Pi的特征值之和qi，其中1≤i≤I；计算所有特征向量的特征值之和，用q表示；将qi/q的比值与设定阈值进行比较，若所述比值小于设定阈值，则计算第i+1个特征向量的特征值之和qi+1，再次进行比较；若所述比值大于或等于所述阈值，则将Pi构建成背景子空间；将符合qi/q的比值大于或等于所述阈值条件的特征向量构建成背景子空间UB，则背景加目标子空间为：Ud＝[UB,S]其中S为目标子空间。可选的，所述构建背景正交算子和背景加目标正交算子，具体包括：背景正交算子PB⊥通过以下公式得到：PB⊥＝I-UBUBT背景加目标正交算子Pd⊥通过以下公式得到：Pd⊥＝I-UdUdT根据背景正交算子和背景加目标正交算子构建检测算子具体包括：根据广义似然比原理计算所述检测算子，即所述检测算子D(Xk)通过以下公式得到：其中，Xk代表第k个像元。可选的，所述计算所述目标像元的浓度程长值，获取大气污染物浓度的空间分布信息，具体包括：计算背景与环境的温差；所述浓度程长值的计算公式为：其中目标光谱特征是由亮温光谱减去背景光谱得到的。本专利技术还公开了一种基于红外光谱成像技术的大气污染物自适应识别系统，其特征在于，包括：亮温转换模块、去均值模块、二维矩阵转换模块、正交分解模块、检测算子计算模块、检测门限计算模块和目标识别模块；所述亮温转换模块用于通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体；所述亮温光谱数据立方体是多个亮温光谱组成的数据立方体；所述去均值模块用于通过每个所述亮温光谱减去所述亮温光谱所属像元中所有亮温光谱的均值，得到去均值后的亮温光谱数据立方体；所述二维矩阵转换模块用于将所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵；所述正交分解模块用于对所述二维矩阵进行正交分解,根据设定的阈值计算背景子空间；所述检测算子计算模块用于构建背景正交算子和背景加目标正交算子；根据背景正交算子和背景加目标正交算子构建检测算子；所述检测门限计算模块用于根据设定的虚警率和概率分布函数，计算检测门限；所述目标识别模块用于利用所述检测算子对所有所述像元进行识别，将大于检测门限的像元判别为目标像元；计算所述目标像元的浓度程长值，获取得到大气污染物浓度的空间分布信息；所述浓度程长值为大气污染物浓度与厚度的乘积。可选的所述二维矩阵转换模块用于将所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵，具体包括：所述去均值后的亮温光谱数据立方体的大小为M行N列K维，则所述二维矩阵的大小为K行M×N列；排列顺序为：所述去均值后的亮温光谱数据立方体的第m行第n列第k维的亮温光谱数据排列到二维矩阵中的位置为第k行第N·(m-1)+n列；其中m、n和j都是整数，分别为亮温光谱数据立方体中的一个数据在亮温光谱数据立方体中的行数、列数和维数，并且1≤m≤M，1≤n≤N，1≤j≤K。可选的，所述正交分解模块用于对所述二维矩阵进行正交分解，根据设定的阈值计算背景子空间，具体包括：将所述二维矩阵用X表示，生成矩阵Y，所述矩阵Y的生成公式为：Y＝XTX利用快速主成分分析方法对所述矩阵Y进行迭代正交分解；计算所述矩阵Y的特征向量，所述特征向量的数量为I个；计算第i个特征向量Pi的特征值之和qi，其中1≤i≤I；计算所有特征向量的特征值之和，用q表示；将qi/q的比值与设定阈值进行比较，若所述比值小于设定阈值，则计算第i+1个特征向量的特征值之和qi+1，再次进行比较；若所述比值大于或等于所述阈值，则将Pi构建成背景子空间；将符合qi/q的比值大于或等于所述阈值条件的特征向量构建成背景子空间UB，则背景加目标子空间为：Ud＝[UB,S]其中S为目标子空间。可选的，所述检测算子计算模块用于构建背景正交算子和背景加目标正交算子；根据背景正交算子和背景加目标正交算子构建检测算子，具体包括：背景正交算子PB⊥通过以下公式得到：PB⊥＝I-UBUBT背景加目标正交算子Pd⊥通过以下公式得到：Pd⊥＝I-UdUdT根据背景正交算子和背景加目标正交算子构建检测算子具体本文档来自技高网...

【技术保护点】
一种基于红外光谱成像技术的大气污染物自适应识别方法，其特征在于，包括：通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体；所述亮温光谱数据立方体是多个亮温光谱组成的数据立方体；每个所述亮温光谱减去所述亮温光谱所属像元中所有亮温光谱的均值，得到去均值后的亮温光谱数据立方体；将所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵；对所述二维矩阵进行正交分解，根据设定的阈值计算背景子空间；构建背景正交算子和背景加目标正交算子；根据背景正交算子和背景加目标正交算子构建检测算子；根据设定的虚警率和概率分布函数，计算检测门限；利用所述检测算子对所有所述像元进行识别，将大于检测门限的像元判别为目标像元；计算所述目标像元的浓度程长值，得到大气污染物浓度的空间分布信息；所述浓度程长值为大气污染物浓度与厚度的乘积。

【技术特征摘要】
1.一种基于红外光谱成像技术的大气污染物自适应识别方法，其特征在于，包括：通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体；所述亮温光谱数据立方体是多个亮温光谱组成的数据立方体；每个所述亮温光谱减去所述亮温光谱所属像元中所有亮温光谱的均值，得到去均值后的亮温光谱数据立方体；将所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵；对所述二维矩阵进行正交分解，根据设定的阈值计算背景子空间；构建背景正交算子和背景加目标正交算子；根据背景正交算子和背景加目标正交算子构建检测算子；根据设定的虚警率和概率分布函数，计算检测门限；利用所述检测算子对所有所述像元进行识别，将大于检测门限的像元判别为目标像元；计算所述目标像元的浓度程长值，得到大气污染物浓度的空间分布信息；所述浓度程长值为大气污染物浓度与厚度的乘积；对所述二维矩阵进行正交分解，根据设定的阈值计算背景子空间，具体包括：所述二维矩阵用X表示，生成矩阵Y，所述矩阵Y的生成公式为：Y＝XTX利用快速主成分分析方法对所述矩阵Y进行迭代正交分解；计算所述矩阵Y的特征向量，所述特征向量的数量为I个；计算第i个特征向量Pi的特征值之和qi，其中1≤i≤I；计算所有特征向量的特征值之和，用q表示；将qi/q的比值与设定阈值进行比较，若所述比值小于设定阈值，则计算第i+1个特征向量的特征值之和qi+1，再次进行比较；若所述比值大于或等于所述阈值，则将Pi构建成背景子空间；将符合qi/q的比值大于或等于所述阈值条件的特征向量构建成背景子空间UB，则背景加目标子空间为：Ud＝[UB,S]其中S为目标子空间。2.根据权利要求1所述的方法，其特征在于，所述通过辐射定标和逆普朗克变换将光谱数据立方体转换成亮温光谱数据立方体，具体为：根据公式将光谱数据立方体转换成亮温光谱数据立方体；其中T(v)为亮温；v为波数；L(v)为辐射亮度；h为普朗克常数；c为光速；kB为玻尔兹曼常数。3.根据权利要求1所述的方法，其特征在于，所述去均值后的亮温光谱数据立方体的亮温光谱数据排列成二维矩阵，具体包括：所述去均值后的亮温光谱数据立方体的大小为M行N列K维，则所述二维矩阵的大小为K行M×N列；排列顺序为：所述去均值后的亮温光谱数据立方体的第m行第n列第k维的亮温光谱数据排列到二维矩阵中的位置为第k行第N·(m-1)+n列；其中m、n和k都是整数，分别为亮温光谱数据立方体中的一个数据在亮温光谱数据立方体中的行数、列数和维数，并且1≤m≤M，1≤n≤N，1≤k≤K。4.根据权利要求1所述的方法，其特征在于，所述构建背景正交算子和背景加目标正交算子，具体包括：背景正交算子PB⊥通过以下公式得到：PB⊥＝I-UBUBT背景加目标正交算子Pd⊥通过以下公式得到：Pd⊥＝I-UdUdT根据背景正交算子和背景加目标正交算子构建检测算子具体包括：根据广义似然比原理计算所述检测算子，即所述检测算子D(Xk)通过以下公式得到：其中，Xk代表第k个像元。5.根据权利要求1所述的方法，其特征在于，所述计算所述目标像元的浓度程长值，获取大气污染物浓度的空间分布信息，具体包括：计算背景与环境的温差；所述浓度程长值的计算公式...

【专利技术属性】
技术研发人员：崔方晓，方勇华，王安静，李大成，吴军，刘家祥，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34