本书在概述多光谱技术原理与发展前沿的基础上，搭建了基于LCTF和CMOS相机的多光谱成像系统，获取了几类常见农作物的多光谱图像，选取特征波段，并对所获得的多光谱信息进行分类识别。证明了多光谱成像技术能够动态、快速、准确和及时地获取农作物的图像信息和光谱信息，可作为“精细农业”的有力技术支撑。此外，还介绍了多光谱技术在油画数字化版权保护、食品检测和医学病理诊断等领域中的应用。
本书可供农作物分析、光谱分析工作者及技术开发人员参考，也可供高等院校农林、物理学、应用光学等专业的师生阅读使用。

本书在概述多光谱技术原理与发展前沿的基础上，搭建了基于LCTF和CMOS相机的多光谱成像系统，获取了几类常见农作物的多光谱图像，选取特征波段，并对所获得的多光谱信息进行分类识别。证明了多光谱成像技术能够动态、快速、准确和及时地获取农作物的图像信息和光谱信息，可作为“精细农业”的有力技术支撑。此外，还介绍了多光谱技术在油画数字化版权保护、食品检测和医学病理诊断等领域中的应用。
本书可供农作物分析、光谱分析工作者及技术开发人员参考，也可供高等院校农林、物理学、应用光学等专业的师生阅读使用。

曹鹏飞，陇东学院副教授，主要从事新型多光谱图像的获取与分类识别、光束传输与调控方面的科研工作，自主搭建了基于LCTF和CCD的多光谱成像系统，主要获取了常见农作物（如萝卜叶片、水稻叶片、四季度叶片等）的多光谱图像，相关结果发表在《Proc of SPIE》《光学技术》《激光与光电子学进展》和《光学仪器》等期刊。2013年6月参加了由国际光学工程学会(SPIE)、美国光学学会（OSA）、欧洲光学学会（EOS）和中国宇航学会主办的“International Symposium on Photo-electronic Detection and Imaging 2013”国际学术会议，以排名靠前作者身份发表了题为“The extraction of characteristic wavebands for radish leaves and rice leaves based on LCTF imaging method”文章（EI）。

第1章光谱成像技术概述/001
1.1农作物的生长状况及其监测方法/001
1.2多光谱成像技术的历史与现状/004
1.2.1多光谱成像技术的发展历程/004
1.2.2成像光谱数据处理与佳波段研究现状/006
参考文献/009

第2章植物特征和多光谱成像技术原理/013
2.1植物特征/013
2.1.1植物的颜色特征/013
2.1.2植物的光谱特征/014
2.1.3植物的纹理特征/017
2.2光谱成像技术原理/018
2.2.1光谱成像关键技术/018
2.2.2成像光谱仪的光谱成像原理/018
2.3农作物的多光谱成像系统/020
2.3.1液晶可调谐滤光片的工作原理/020
2.3.2基于农作物的多光谱成像系统搭建/024
2.4多光谱成像系统的定标/028
2.4.1黑场/028
2.4.2CMOS响应饱和度/029
2.5多光谱成像系统的校正/029
2.5.1多光谱成像系统的校正步骤/029
2.5.224色卡与RGB参考值/030
2.5.3多光谱成像系统的校正结果/032
2.6多光谱图像的数据表达和处理/032
2.6.1图像立方体/033
2.6.2光谱曲线/033
2.6.3光谱曲面/034
参考文献/035

第3章特征波段选取理论和多光谱图像采集/038
3.1特征波段选取理论/038
3.1.1特征波段选取准则/039
3.1.2特征波段选取方法/039
3.1.2.1图像亮度信息法/040
3.1.2.2波段指数法/041
3.1.2.3佳指数法/041
3.1.2.4熵与联合熵/041
3.1.2.5协方差矩阵行列式/042
3.1.2.6支持向量机/043
3.2技术路线/044
3.3农作物样本制备与研究区域选取/045
3.3.1农作物样本制备与多光谱图像采集/045
3.3.2农作物样本和参考白板的多光谱图像区域选取/056
参考文献/057

第4章农作物样本的特征波段/059
4.1农作物样本的灰度与光谱反射率/059
4.1.1农作物样本和参考白板的灰度值/059
4.1.2农作物样本的光谱反射率/061
4.2农作物特征波段的选取/062
4.2.1健康四季豆叶片的特征波段选取/062
4.2.1.1波段指数法选取四季豆叶片的特征波段/062
4.2.1.2图像亮度信息法选取四季豆叶片的特征波段/064
4.2.1.3四季豆叶片的特征波段选取结果比较/065
4.2.2健康萝卜叶片的特征波段选取/066
4.2.3健康水稻叶片的特征波段选取/068
4.2.4稻飞虱为害后水稻叶片的特征波段选取/069
4.3农作物样本的结果分析/071
参考文献/072

第5章农作物多光谱信息的分类识别/073
5.1分类方法/073
5.1.1非监督分类/073
5.1.2监督分类/074
5.2基于农作物的分类方法选取和精度分析/075
5.2.1分类方法选取/075
5.2.2分类精度评价/077
5.2.2.1混淆矩阵和总分类精度/077
5.2.2.2使用者和生产者精度/078
5.2.2.3Kappa系数/078
5.2.2.4McNemar测试/079
5.3多光谱图像的数据制备与分类识别/079
5.3.1多光谱图像的数据制备/079
5.3.2多光谱图像的分类识别/080
5.3.3多光谱图像的数据分析/082
5.4多光谱图像的分析结果/084
参考文献/085

第6章莲花白多光谱图像的特征波段和五角枫叶的光谱反射率/087
6.1莲花白叶片的多光谱图像/087
6.2莲花白叶片的目标区域选取和可识别度计算/090
6.3莲花白叶片的分类精度/092
6.4五角枫叶的图像获取和区域选取/093
6.5五角枫叶的光谱反射率/094
参考文献/097

第7章多光谱成像技术在各领域的应用/099
7.1多光谱成像技术在油画数字化版权保护方面的应用/099
7.1.1基于Haar小波的DWT域水印原理/099
7.1.2油画作品多光谱图像的水印嵌入与提取/101
7.1.3油画作品版权的保护策略/107
7.2多光谱成像技术在食品检测中的应用/107
7.3多光谱成像技术在农作物生长方面的应用/109
7.3.1农作物生长状态的监测/109
7.3.2农作物病虫害的检测/112
7.4多光谱成像技术在医学病理诊断中的应用/113
7.5多光谱成像技术在军事方面的应用/114
7.6多光谱成像技术在其它方面的应用/117
参考文献/118

无