本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體涉及利用運動目標(biāo)檢測和光譜分析技術(shù)對傅里葉變換紅外光譜儀采集的數(shù)據(jù)進行處理，從而實現(xiàn)運動氣體識別的方法。

背景技術(shù)：

傅里葉變換紅外光譜儀通過使動鏡在一定長度范圍內(nèi)連續(xù)等間距移動采集干涉圖，從而獲得檢測目標(biāo)的紅外光譜圖，為了得到圖像中像元準(zhǔn)確的光譜數(shù)據(jù)，這就要求在采集過程中檢測目標(biāo)具有時域不變性。

通常情況下大氣的流動性在短時間范圍內(nèi)不顯著，因此傅里葉變換紅外光譜技術(shù)可實現(xiàn)氣體的遠(yuǎn)程檢測和識別，在大氣污染物被動遙感檢測等領(lǐng)域已取得了廣泛的應(yīng)用。

在發(fā)生突發(fā)性大氣污染事故的早期階段，例如化工廠爆炸污染和工廠有害氣體的排放，氣體的運動和擴散比較明顯，氣體成分短時間內(nèi)的突發(fā)性變動使得光譜儀采集到的干涉圖像中，部分空間像元點的干涉數(shù)據(jù)只在有限的空間圖像幀中包含有檢測目標(biāo)的情況，檢測目標(biāo)的時變特性對圖像像元點獲得準(zhǔn)確的干涉圖數(shù)據(jù)造成了極大的影響。

降低分辨率采集數(shù)據(jù)，采集的數(shù)據(jù)點減少，使動鏡移動距離縮短，是一個有效縮短數(shù)據(jù)采集時間的手段。

然而，上述方法在降低光譜分辨率的同時，并不能保證在較短的采集時間范圍內(nèi)圖像像元點的時域不變性。

突發(fā)性污染事故早期氣體運動和擴散的顯著時變特性，對于利用傅里葉變換紅外成像儀采集到有效的光譜數(shù)據(jù)從而快速而準(zhǔn)確的識別出污染氣體成分和位置，是一個亟待解決的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于傅里葉變換紅外光譜儀的數(shù)據(jù)處理，將運動目標(biāo)檢測技術(shù)和光譜分析技術(shù)相結(jié)合，實現(xiàn)利用傅里葉變換紅外光譜儀對運動氣體的檢測和識別方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于傅里葉變換紅外光譜儀的氣體識別方法，步驟如下

s01，讀入數(shù)據(jù)l：輸入傅里葉變換紅外光譜儀采集的數(shù)據(jù)塊l，其包含n幀圖像，每一幀圖像；

s02，通過以下公式，利用相鄰的數(shù)據(jù)幀圖像對每一個像元點做局部領(lǐng)域相關(guān)運算，得到每一幀圖像發(fā)生變化的相關(guān)圖像，選取合適的閾值對相關(guān)圖像進行分割，得到每一幀圖像有顯著變化的像素點，即為氣體在每一幀圖像上的運動軌跡：

，表示以圖像中點為中心鄰域矩陣，表示協(xié)方差，表示均值，表示均方差；

s03，對氣體運動軌跡的圖像序列組成的數(shù)據(jù)立方，進行最大值z投影(z-projection)，得到的二維圖像標(biāo)識出有運動軌跡的像元，即的點為確定的時變像元點；

s04，對數(shù)據(jù)塊求所有幀圖像的均值圖像作為背景圖像：

；

s05，通過以下公式，對每一幀圖像與背景圖像做局部領(lǐng)域相關(guān)運算，得到每一幀圖像的相關(guān)圖像，選取合適的閾值分割出每一幀圖像與背景圖像有顯著變化的像素點，即為氣體在每一幀圖像中的所占據(jù)的區(qū)域：

；

s06，對步驟s03和s06得到的圖像做差分運算，得到圖像即為圖像采集過程中包含有檢測氣體的時不變像元，圖像上時不變像元點占據(jù)的區(qū)域即認(rèn)為是氣體排放或者泄露的區(qū)域；

s07，對步驟s03和s06的結(jié)果求圖像差集，確定氣體中的時不變空間像元點集c，即可定位氣體泄漏點區(qū)域；

s08，對時不變像元點集c中任意一個點的干涉圖進行傅里葉變換得到像元點紅外光譜圖，利用光譜匹配法與光譜庫中已知氣體的光譜進行相似性判斷，逐一比較后即可識別出待測氣體的類型。

所述的一種基于傅里葉變換紅外光譜儀的氣體識別方法，其步驟s02通過以下公式對第幀圖像與第幀圖像的相關(guān)圖像進行閾值分割：

，時表示兩個鄰域相關(guān)，像素的性質(zhì)比較緊密；表示不相關(guān)，像素間具有顯著差異；為每一幀圖像計算得到的氣體運動軌跡。

所述的一種基于傅里葉變換紅外光譜儀的氣體識別方法，其步驟s05做完局部領(lǐng)域相關(guān)運算后通過以下公式對所有相關(guān)圖像進行閾值分割：

，為每一幀圖像中與背景圖像存在顯著差異的氣體區(qū)域；時表示兩個鄰域相關(guān)，像素的性質(zhì)比較緊密，大部分背景點就是這種類型；表示不相關(guān)，像素與背景間具有顯著差異。

所述的一種基于傅里葉變換紅外光譜儀的氣體識別方法，其步驟s08中的光譜匹配法包括如下步驟：

s0801，基線校正

對于出現(xiàn)傾斜基線和漂移基線的光譜，采用手動校正的方法，將吸光度光譜的基線拉回0基線上，在基線校正前后，需保證光譜吸收峰的峰位不發(fā)生變化；

s0802，對采集的檢測光譜進行歸一化處理

對采集的光譜進行數(shù)據(jù)處理，使得透射率光譜中最大的吸收峰透射率為10%，吸收光譜中最大吸收峰的吸光度歸一化為1；

s0803，光譜平滑

采用savisky-golay算法對光譜中的數(shù)據(jù)點y值進行數(shù)學(xué)平均計算，平滑的點數(shù)可以從5~25之間的奇數(shù)選擇；

s0804，光譜求導(dǎo)數(shù)

光譜的一階導(dǎo)數(shù)譜能夠得到光譜吸收峰峰尖、峰谷和肩峰的位置，二階導(dǎo)數(shù)光譜能夠找出吸收峰峰尖和肩峰的準(zhǔn)確位置；

s0805，光譜匹配

利用兩個光譜曲線的相似度來判斷檢測目標(biāo)的歸屬類別。

本發(fā)明的有益效果是：提出了運動檢測和光譜分析技術(shù)相結(jié)合的傅里葉紅外光譜儀數(shù)據(jù)處理方法，有效的解決了時變場景中提取出時不變的像元點的難題，獲得了準(zhǔn)確的檢測目標(biāo)的光譜圖，實現(xiàn)利用傅里葉紅外光譜儀對時變運動氣體的快速和高效檢測，可用于對突發(fā)性氣體污染事故的早期檢測和氣體成分識別，擴展了傅里葉紅外光譜儀的應(yīng)用范圍。

附圖說明

圖1為本發(fā)明方法的流程圖；

圖2為同一個數(shù)據(jù)立方中時變像元與時不變像元示例圖；

圖3為光譜數(shù)據(jù)處理的流程圖。

具體實施方式

為了清晰和完整的描述本發(fā)明的目的、技術(shù)方案和優(yōu)點，下面結(jié)合附圖和具體實施例對本發(fā)明提出的傅里葉變換紅外光譜儀數(shù)據(jù)處理方法做出詳細(xì)說明。

利用傅里葉變換紅外光譜儀采集到像元精確的光譜信息，要求檢測目標(biāo)在數(shù)據(jù)采集過程中具有時不變性。在運動氣體檢測的問題中，為了確定圖像中時不變像元從而用于氣體定位和識別，本發(fā)明實例提供了一種基于運動目標(biāo)檢測和光譜分析的數(shù)據(jù)處理方法，方法流程圖見圖1，詳述見下文：

s01，讀入數(shù)據(jù)l：輸入傅里葉變換紅外光譜儀采集的數(shù)據(jù)塊l，l由n幀空間圖像序列組成，每一幀圖像分辨率為，和分別為圖像的寬度和高度。

圖像上每一個像素點對應(yīng)傳感器一個像元，每一幀相同位置像素點的灰度值構(gòu)成對應(yīng)位置像元的干涉數(shù)據(jù)圖。

s02，計算每一幀圖像與下一幀圖像之間的相關(guān)圖像：幀間相關(guān)圖像每個點的值利用局部鄰域相關(guān)運算獲得，利用相鄰的數(shù)據(jù)幀圖像對每一個像元點做局部領(lǐng)域相關(guān)運算，得到每一幀圖像發(fā)生變化的相關(guān)圖像，選取合適的閾值對相關(guān)圖像進行分割，得到每一幀圖像有顯著變化的像素點，即為氣體在每一幀圖像上的運動軌跡，具體計算公式如下：

，

表示以圖像中點為中心鄰域矩陣，表示協(xié)方差，表示均值，表示均方差。

計算得到第幀圖像與第幀圖像的相關(guān)圖像，對其進行閾值分割，

時表示兩個鄰域相關(guān)，像素的性質(zhì)比較緊密，表示不相關(guān)，像素間具有顯著差異。為每一幀圖像計算得到的氣體運動軌跡。

s03，對氣體運動軌跡的圖像序列組成的數(shù)據(jù)立方，進行最大值z投影(z-projection)，得到的二維圖像標(biāo)識出有運動軌跡的像元，即的點為確定的時變像元點。

s04，對數(shù)據(jù)塊求所有幀圖像的均值圖像即整個數(shù)據(jù)立方n幀圖像的平均圖像作為背景圖像：

。

s05，通過以下公式，對每一幀圖像與背景圖像做局部領(lǐng)域相關(guān)運算，得到每一幀圖像的相關(guān)圖像，選取合適的閾值分割出每一幀圖像與背景圖像有顯著變化的像素點，即為氣體在每一幀圖像中的所占據(jù)的區(qū)域：

表示以圖像中點為中心鄰域矩陣，表示均值，表示均方差。

做完局部領(lǐng)域相關(guān)運算后通過以下公式對所有相關(guān)圖像進行閾值分割：

，為每一幀圖像中與背景圖像存在顯著差異的氣體區(qū)域；時表示兩個鄰域相關(guān)，像素的性質(zhì)比較緊密，大部分背景點就是這種類型；表示不相關(guān)，像素與背景間具有顯著差異。

s06，對處理后的幀與背景相關(guān)數(shù)據(jù)塊進行最大值z投影（z-projection），得到氣體分布二維圖像，即所有探測到氣體的像元點。

s07，對步驟s03和s06的結(jié)果求圖像差集，確定氣體中的時不變空間像元點集c，即可定位氣體泄漏點區(qū)域。

s08，對時不變像元點集c中任意一個點的干涉圖進行傅里葉變換，反演出檢測氣體的光譜圖像。圖2所示從時不變像元的光譜圖中能夠得到檢測氣體的明顯吸收峰。

利用光譜匹配法，將探測到的氣體光譜與光譜庫中已知氣體的光譜進行相似性判斷，逐一比較后即可識別出待測氣體的類型。

圖3所示提供的光譜數(shù)據(jù)匹配和識別用到的數(shù)據(jù)處理步驟。

光譜的匹配識別過程包含有以下數(shù)據(jù)處理的步驟：

s0801，基線校正：對于出現(xiàn)傾斜基線和漂移基線的光譜，要將吸光度光譜的基線拉回0基線上。為了獲得更好的效果，本發(fā)明采用手動校正的方法。在基線校正前后，需要保證光譜吸收峰的峰位不發(fā)生變化。

s0802，光譜歸一化：光譜庫中的光譜為歸一化的標(biāo)準(zhǔn)光譜，為了便于比對，檢測光譜有必要進行歸一化處理。光譜歸一化是指將采集的光譜進行數(shù)據(jù)處理，使得透射率光譜中最大的吸收峰透射率為10%，吸收光譜中最大吸收峰的吸光度歸一化為1。

s0803，光譜平滑：對光譜中的數(shù)據(jù)點y值進行數(shù)學(xué)平均計算，采用savisky-golay算法，平滑的點數(shù)可以從5~25之間的奇數(shù)選擇。光譜平滑后，光譜噪聲降低的同時，光譜的分辨能力也降低。

s0804，光譜求導(dǎo)數(shù)：光譜的一階導(dǎo)數(shù)譜能夠得到光譜吸收峰峰尖、峰谷和肩峰的位置，二階導(dǎo)數(shù)光譜能夠找出吸收峰峰尖和肩峰的準(zhǔn)確位置。

s0804，光譜匹配：利用兩個光譜曲線的相似度來判斷檢測目標(biāo)的歸屬類別。本發(fā)明實現(xiàn)了三種常用的光譜匹配算法分別如下：

（1）光譜角(spectralangle，sa)匹配，該算法把像元光譜看作空間中的一個矢量來處理，空間的維數(shù)就等同于波段數(shù)。依據(jù)待識別像元光譜向量與光譜庫光譜向量夾角余弦值的大小來判定相似性，

的取值范圍為，且的值越大，則表明光譜越相似，最終根據(jù)相似性閾值對未知像元光譜進行分類識別。

（2）最小距離匹配，光譜向量看做l維空間中的一個點，求待測光譜與標(biāo)準(zhǔn)光譜兩點問的距離

本發(fā)明實現(xiàn)比較常見的是歐氏距離，即：

。

（3）光譜信息散度（spectralinformationdivergence，sid）匹配，基于信息論的概念來辨別兩光譜向量之間的相似度。將光譜向量定義為l維隨機向量，參考光譜向量為。待識別光譜向量為，定義光譜向量第個分量的概率分別為：，。

則相對于的信息熵：。

光譜信息散

sid描述了兩光譜之間的信息差異，值越接近于0，兩光譜之間的相似性程度越大。

sid三種匹配算法都能用于光譜的識別，并且都已在本發(fā)明中實現(xiàn)。

本發(fā)明的權(quán)利要求保護范圍不限于上述實施例。