木材无损检测高光谱成像技术研究成果高光谱成像技术起源于遥感测量领域，它将二维成像和光谱技术有机融为一体，可以同时获取研究对象的空间及光谱信息，下面是搜集的一篇探究高光谱成像原理与装置的，供大家阅读借鉴。采用无损检测技术快速有效地预测木材各种物理力学性能、化学性质、解剖学性质以及各种缺陷等，对于充分合理利用木材，高效优质加工木材、挖掘木材的潜在利用价值以及加速木工企业自动化发展等方面具有重要的理论指导与实践意义。机器视觉技术和光谱技术具有无损、快速、准确等优点，是目前木材品质无损检测中的2种重要技术。其中，机器视觉技术提取木材及其制品的表面信息进行分析，可用于木材表面缺陷等的检测[1-3].该技术获取的主要是灰色或RGB(红绿蓝)图像，反映木材表面缺陷信息有限，识别准确率有待进一步提高。与机器视觉技术不同，光谱技术尤其是近红外光谱技术，非常适合木材及其制品的物理力学性质[4-7]、化学性质[8-9]以及解剖学性质[10-11]等的预测。该技术只采集被测对象一个点域的信息，缺少被测对象的空间信息，这一局限性可能会影响模型的稳定性和适应性[12].由于图像数据能反映被测物外部特征、表面缺陷等，而光谱数据可对其物理结构及化学性质进行分析，因此，高光谱成像技术是图像技术与光谱技术的完美结合[12].目前，涉及该技术在木材及其制品品质检测的研究尚在起步阶段，这是一个有着巨大潜力的研究领域。本文介绍了高光谱成像技术的原理、装置以及数据处理方法，并介绍该技术在木材及木制品的各种缺陷检测、物理力学性质以及化学性质预测等方面的研究进展。高光谱图像的采集方式包括逐点扫描式、线推扫式以及面帧式[14].目前，应用最多的是线推扫式。一个典型的线推扫式高光谱成像系统如图1所示，由电荷耦合器件(chargecoupleddevice,CCD)探测器、成像光谱仪、镜头、光源及其控制器、可调载物台、步进电机、运动控制系统和图像采集系统等组成。其中，成像光谱仪以光栅型为主，是高光谱成像系统的核心部件，其内部有一个棱镜-光栅-棱镜(prism-grating-prism,PGP)单元，如图2所示。在推扫过程中，该单元能将待测物一个窄带空间内的有效入射光散射成不同波长，色散后的光信号成像到CCD探测器上。其中的一个方向提供空间信息，另一个方向提供光谱信息，这样就得到了此窄带空间位置上多个像元点的光谱图像。对推扫过程中多个窄带空间区域的光谱图像进行拼接，可获得整个待测物的高光谱图像。图3给出了一种蓝变木材的高光谱图像数据[15],其中第1维和第2维是木材样品的空间位置信息(以x和y表示)，第3维是波长信息(以λ表示)。根据高光谱成像系统中光源的类型以及传感器与光源的不同配置方式，可获取4种不同类型的高光谱图像，分别是：反射图像、散色图像、荧光图像和透射图像。目前，高光谱反射图像是木材品质无损检测应用研究的重点。高光谱图像数据处理的一般流程如图4所示[16].由于高光谱图像既包含光谱信息，又包括图像信息，因此，高光谱图像数据的分析方法很多。归纳起来，可以分为以下几个步骤。第一，数据校正与预处理。原始高光谱图像数据是光子强度信息，需进行反射校正获取相对反射率[17].对于一些球状或类球状待测物，其形状差异会使高光谱图像数据存在空间差异，可在图像维采用曲率校正方法[18-19]或者在光谱维采用光谱预处理方法[20-21]减弱或消除该影响。此外，由于高光谱图像的数据量较大(可达数个GB)，可通过裁剪、合并等方法减少无用信息从而降低数据量。第二，数据降维。在图像维，可根据待测物的光谱特性，直接提取反映待测物品质的一个或几个波长下的图像[22];也可通过一些数据降维方法如主成分分析法(principalponentanalysis,PCA)[23]、独立成分分析法[24]或最小噪声分离法[25]等获取关键的特征图像;还可在上述特征波段基础上，采用波段比算法[23]、差分算法[26]等计算特征图像。图像维的处理方法常见于被测对象的表面缺陷检测研究。在光谱维，在剔除了异常像元后，可对指定像元区域的光谱或者所有像元的光谱进行平均，计算平均光谱或偏差光谱进行分析;也可提取每个像元的光谱信息，用于像素级的分类分析。光谱维的处理方法...