【毕业学位论文】（Word原稿）基于高光谱技术的茶叶品质智能检测系统的设计与实现-软件工程

摘要 I 摘要 茶叶真伪快速准确鉴别是当前茶叶行业亟待解决的难题与瓶颈。针对茶叶品质感官审评结果存在主观性和模糊性以及理化检测 步骤 烦琐、耗时、费用高等缺陷，提出基于高光谱图像技术的茶叶品质智能检测新思路。本研究以庐山云雾茶为对象，开发 了 基于高光谱图像技术的 茶叶品质智能检测软件 ， 对全面提高庐山云雾茶 的真伪鉴别 ，提 高 庐山云雾茶市场的智能化管理水平，规范其市场秩序，维护庐山云雾茶品牌有着直接的现实意义。 本论文主要研究内容如下： 利用高光谱成像系统采集地理标志庐山云雾茶和广西、四川、福建 3 个其他产地云雾茶的高光谱数据，采用 主成分分析法从 每个 原始高光谱数据块中选取 3个特征波长： 提取 3 个特征波长下的特征图像， 基于 灰度统计矩法和灰度共生矩阵法 ， 提取每个特征 波段 图像的纹理特征。每个特征 波段 图像分别 提取 了 6 个基于灰度统计矩的纹理特征变量 和 16 基于灰度共生矩阵的纹理特征参量。 3 个特征图像下共提取了 66 个纹理特征变量。 使用 经网络方法建立庐山云雾茶真伪鉴别的判别模型，采 用主成分分析法 获取最佳主成分因子数（ 作为网络模型的输入。 预测时 的识别率为 95%。 研究结果表明高光谱图像技术用于茶叶的真伪鉴别是可行的。 采用 模式开发 出 了 一套 基于高光谱技术的 茶叶品质智能检测系统 ， 实现 了庐山云雾茶真伪的 智能 鉴别。系统 集 成了基于批量处理的高光谱图像数据的标定、感兴趣区域提取、 高光谱图像数据的主成分分析、特征波长优选、特征波长下的特征图像提取、特征图像的特征变量提取等功能 ， 同时还实现了基于提取的特 征变量建立的庐山云雾茶真伪鉴别和等级评判功能。 关键词： 庐山云雾茶，高光谱图像，主成分分析，真伪鉴别 I of is be in a of to of to as A a as in of by a nm by of to of in of 5% in be to of on of of of In of on 目录 录 摘要 . I . 录 . 一章 绪论 . 1 山云雾茶的发展状况 . 1 叶品质检测方法的国内外研究现状 . 1 叶品质的计算机视觉技术国内外检测现状 . 2 叶品质的高光谱图像技术的茶叶品质检测研究 . 3 光谱图像技术简介 . 3 光谱图像技术在农畜产品品质检测中的研究现状 . 4 光谱图像技术在茶叶品质检测中的研究现状 . 5 论文研究的目的和主要研究 . 5 论文的研究目的 . 5 论文研究的主要内容 . 6 章小结 . 6 第二章 高光谱图像数据采集与预处理 . 7 光谱图像采集硬件系统 . 7 叶高光谱图像数据的采集 . 10 高光谱图像预处理 . 11 光谱图像的标定 . 11 光谱图像的拉伸 . 11 本章小结 . 12 第三章 庐山云雾茶真伪鉴别模型建立 . 13 光谱图像区域的选择 . 13 征波段的选取 . 14 成分分析基本原理 . 14 光谱图像的主成分分析 . 17 征波长图像的选取 . 18 征波长图像的纹理特征提取 . 20 于统计矩法的纹理特征提取 . 21 于灰度共生矩阵的纹理特征提取 . 21 山云雾茶真伪鉴别的 经网络（ 型建立 . 24 目录 . 24 模型建立 与结果 . 25 章小结 . 27 第四章 基于高光谱技术的庐山云雾茶真伪鉴别系统的实现 . 28 统概述 . 28 统的基本功能 . 29 件功能模块 . 29 件打开 . 29 光谱图像的灰度图像显示 . 31 光谱图像真彩色显示功能 . 32 像保存功能 . 32 光谱图像的平移、放大、缩小和鹰眼图显示 . 33 像平移功能 . 34 像局部放大功能 . 35 像的鹰眼图显示功能 . 36 像的放大、缩小及图像的原始大小显示功能 . 36 像按适合窗口显示 . 38 像处理功能模块 . 38 像裁剪 . 39 息提取功能模块 . 42 成分分析功能模块 . 42 据主成分分析结果选取特征波长下的特征图像并显示 . 51 度共生矩阵特征提取 . 54 类处理功能模块 . 55 山云雾茶真伪鉴别功能 . 58 出系统功能模块 . 60 章小结 . 61 第五章 结论与展望 . 63 文的主要结论 . 63 文的主要创新点 . 64 望 . 64 致 谢 . 65 参考文献 . 66 第一 章 绪论 1 第一章 绪论 庐山云雾茶的发展 状况 庐山云雾茶有一千多年 的 历史 ， 以原产地庐山终年云雾弥漫而得名， 是绿茶中的精品， 具有 “ 味醇、色秀、香馨、液清 ” 等特点 。 鲜叶于 4 月初采摘，以一芽一叶初展为标准 ， 经摊放杀青轻揉理条整形提毫干燥等工序加工而成。成品形如石松，紧结圆直， 香高味浓纯正， 色泽绿润显豪，汤色碧绿明亮，叶底嫩绿匀齐 1。 1986 年被商业部授予全国 “ 十大名茶 ” 称号， 2004 年获 “ 庐山云雾茶 ” 原产地证明商标注册， 2005 年其地理 标记产品受到国家原产地法律保护。然而，在 2008 年庐山云雾茶落选中国十大名茶， 2010 年又错失 “ 世博十大名茶 ” 2。 其中造成这种现象最根本的原因是市场上存在着大量的假冒庐山云雾茶产品。庐山云雾茶目前的状态是鱼龙混杂良莠不齐， 一 些 不法茶叶 厂家 为追求高 额 利润，采用庐山云雾茶同的加工 工序 ， 得到 与庐山云雾茶 外部形状特征十分相似的伪品，再 贴上 庐山云雾茶商标在市场上以假乱真，严重影响了庐山云雾茶市场。 长期以来，茶叶品质鉴别主要有感官评判和理化分析方法。感官审评方法相对简单，能对茶叶的品质特征进行鉴别和描述，但感官审 评结果取决于评茶员的经验，主观性强，一致性差，不利于茶叶流通过程中的快速鉴别 3。理化分析方法是一种化学检测手段，检测步骤烦琐、耗时长、费用高。为了规范庐山云雾茶市场秩序，重新打造其庐山云雾茶品牌， 因此， 有必要建立一种快速、准确的鉴别庐山云雾茶的真伪 ，对于规范其市场秩序，重新打造其 庐山云雾茶品牌，有着直接的现实意义。 茶叶品质检测方法的国内外研究现状 长期以来，国内外学者研究 采 用科学仪器来 评 定茶叶品质 。 随着 计算机科学 、光电子学 、光学 、信息处理等先进 科学的 发展， 国内外学者 逐步将计算机第一 章 绪论 2 视觉技术 、近红 外光谱技术 、 高光谱 图 像技术 等无损检测新技术 来快速检测 茶叶品质， 取得了很好的成效 ， 为 仪器化快速检测 茶叶品质提供了广阔前景，也是茶叶品质检测技术的发展趋势 4。 茶叶品质的计算机视觉 技术国内外检测现状 计算机视觉技术是通过 计算机 模拟人类视觉的功能 ，提取客观事物的图像信息，并对其 进行处理并加以理解，最终用于客观事物的实际检测。 计算机视觉系统 主要 由图像输入设备、通讯 /输入输出设备 、 图像显示卡、 计算机 等组成，由 图像输入设备将 客观事物 的模拟图像映射成数字图像 ，存入到计算机内 进行处理 5。 计算机视觉技术 具有分析精度高、处理内容丰富、可进行复杂的非线性处理，且可将待测对象的品质指标进行量化和标准化，减少人为因素和外界环境因素的影响 6。 用人 工 检验大批 在线 生产的产品品质，效率低且精度不高，能 实现自动化操作， 大大提高生产效率 7。近年来，该技术 已广泛应用于 工业产品 的 检测 8 在农产品品质检测中也得到了广泛应用，如 苹果、柑橘等水果的 缺陷检测 和 等级 差别 10种子鉴别 19植物生长监控 21鸡蛋裂纹和新鲜度品质检测 24 茶叶的外形特征包括 茶叶外形形状的 条索、 粗细 、嫩度和色泽 ， 这些特征可通过计算机视觉系统获取茶叶的可见光图像表征出来。国内外学者研究表明，干茶叶平铺后， 整个表面 会 呈现出 一 定 的纹理 特征 ， 其 外形特征和颜色特征 较明显 。 因此，通过 计算机视觉系统获取平铺后 的 茶叶可见 光 图像， 再 提取 可见光 图像的 纹理特征和颜色特征，即 能体现出 干茶叶的形状 特征 和颜色特征 。 国内外 学者 利用计算机视觉技术 对茶叶的品质进行了检测。 在国内， 蔡健荣 等 26采 用 计算机视觉技术 来 定量描述茶叶的色泽， 使用 色空间 来 描述茶叶的颜色特征， 建立了基于计算机视觉技术的茶叶 颜色描述模型。 何勇等利用多光谱 成像仪获取 三个波长 （ 550660800下的 茶 叶可见光 图像，采用 灰度共生矩阵 提取 了 各个波长下 图像的纹理特征 变量 ， 建立了识别不同绿茶种类的鉴别模型 27 计时鸣等 采 用 计算机 视觉 系统获取茶叶的可见光图像，第一 章 绪论 3 对茶叶的颜色、形状进行识别 ，建立了 茶叶茶梗多维模式识别 模型 29。 陈全胜等利用计算机视觉 系统获取茶叶的可见光图像，采用 模式识别方法建立了 茶叶种类 和 茶叶色泽类型 的 判别模型 30 林刚 等利用计算机视觉系统， 以屯炒青毛茶标准样为对象探索茶叶品质因子的数量化途径 ，提取了 11 项形状特征 参数 ， 研究了 这些形状 参数 与茶叶等级 之间 的关系 33。 国外 ， 错误 !未找到引用源。 利用计算机视觉 系统 监 测 了 茶叶杀青过程中的颜色变化， 并 分析了茶鲜叶在杀青过程 ，其 的 变化与茶鲜叶失水率 之间的 关系 。 错误 !未找到引用源。 利用计算机视觉 系统 代替人工视觉 ， 监测 红茶 实时发酵过程中 的 茶汤颜色变化， 采 用 人工神经网络方法建立了基于 色空 间的颜色 判 别 模型 。 茶叶品质的 高光谱 图 像 技术的茶叶品质检测研究 高光谱图像技术简介 高光谱图像 技术 （ 起步于军事领域，是 20世纪 80年代发展起来的 无损检测 新技术，综合了光电子学、光学、计算机学科 、 信息处理等领域的先进技术。 高光谱图像技术 有机结合 光谱技术 和 二维 图 像技术， 在 对 待测物的 空间 特征成像 的 同时，对每个空间像 素 经过色散形成几十个乃至几百个 的 窄波段进行连续的光谱覆盖 ， 组 成 一个 由一系列波长 下 光学图像 组成 的 三维 数据块 ， 如 图 在 图中， 示 高光谱图像的 二维 图像 的 像素信息坐标轴， 轴 （第三维） 表示 波长信息 的 坐标轴。 从 图 可看出，高光谱图像 包含 有特定波长 在 面内 的 每 个特定像素 下 ，又 包含 有 不同波长下的光谱信息， 这样， 高光谱图像 数据块 既有 待测 样品的图像信息 又有行测样品的 光谱信息。 图中每个像素 下都 有 待测物的 光谱信息 ， 待测物的内部品质 可通过特定波长下的光谱 信息 来 体 现 ； 在每个特定波长下， 面内 ，每个像素点的灰度值又与其在该波长下的光谱值之间一一对应 ，即具有该波长下完整的图像信息， 即可 反映 待测样 品的外部品质 特征 36。 也 就是说 高光谱图像的光谱信息能充分反映 待测 样品 的 内部结构、化学成分等差异 ， 图像信息可第一 章 绪论 4 以反映 出待测样品 的 形状、 大小 、纹理 、缺陷等外部品质特征 。 待测样品中内部成分不同，其 光谱吸收 特征也不同 ，在某个特定波长下 的 图像对 其外部特征也不同 。 因此， 高光谱图像技术 既具有计算机视觉技术的优点，又具有光谱技术的优点，具有能 同时检测 农产品内外部品质的独特优势。 图 光谱图像三维数据块的示意图 高光谱 图像技术在农畜产品品质检测中的研究现状 高 光谱图像技术 已广泛应用于 农畜产品的内外部品质 检 测 及安全评定研究中 ，涉及到水果、禽肉等领域 37 39使用高光谱图像技术， 以的高光谱成像技术，采用偏最小二乘回归对 波长范围为 400 1000 分析， 建立了 香蕉可溶性固形物含量 、 硬度 和 含水率 的预测模型，模型 预测相关系数分别为 40利用 高光谱成像系统获取桃表面 在波长范围 515 1000 建立了 桃果中 硬度可溶性固形物含量( 和颜色 的 预测模型 。 41利用 高光谱成像系统获取 猪肉表面的散射光谱曲线 ，用洛伦兹分布函数对其进 行拟合， 得到 渐近值、 峰值、 半波带宽 3个参数 ， 基于 单参数和三参数组 合 建立了预测大肠杆菌污染的 多元线性回归模型， 模型 预测 的 相关系数分别为 蔡健荣 等 42利用高光谱图像 成像系统获取柑橘的高光谱图像， 结合主成分分析方法建立柑橘果锈的判别模型，第一 章 绪论 5 模型的正确识别率达到 90%以上 。 43 应 用高通量光谱成像系统 鉴别 屠宰线上健康与不健康 的 鸡肉， 建立了判别健康鸡肉和不健康鸡肉的判别模型。 李江波 等 44利用 荧光高光谱成像技术 检测脐橙早期腐烂现象 ，采用最佳指数 识别 腐烂果的最优波长组合， 采用 基于最优波长的比图像及双阈值分割算法 建立了 脐橙早期腐烂果 的识别模型，模型 识别率达到 100%。 吴建 虎等 45利用高光谱图像技术研究了牛肉的嫩度，采用逐步回归法筛选出 430、 496、 510、 725、 760和 828立预测牛肉嫩度多元线性回归模型的预测相关系数为 陈菁菁 等 46利用荧光高光谱成像系统检测叶菜表面毒死蜱残留状况， 研究表明 毒死蜱在 437近 存在 荧光光谱， 研究结果 为进一步研发快速精确的农药残留检测仪器提供理论依据。 陶斐斐等 47研究利用高光谱图像技术分析猪肉表面 的 菌落总数， 分别采用 多元线性回归和偏最小二乘回归方法建立预测菌落总数的预测 模型，预测集相关系数分别为 高光谱图像技术在茶叶品质检测中的研究现状 茶叶内部成分 信息 决定了 茶叶的品质状况 ， 而 茶叶 内部成分的信息可通过高光谱数据 块 中的光谱信息体现 出来 ，且 高光谱数据块中的 图像信息又能充分反映茶叶的 外形 和 色泽等 外部 品质特征。因此，可 通过 高光谱 图 像 技术 实现 茶叶内部和外部品质 的同时分析 。陈全胜等 48用 高光谱 图 像 技术 鉴别不同等级的 炒青绿茶 ， 利用主成分分析法优化出特征波长下的特征图像，提取基于灰度统计矩的纹理特征参数，利用 经网络方法建立了茶叶等级的评判模型，模型对训练集样本的回判率为 97%，对预测集样本的识别率达到 94%。 吴瑞梅等 50利用高光谱图像技术来量化分析茶叶的外形感官品质，通过提取特征图像的纹理特征参数，建立了纹理特征参数与人工感官审评数据间的相关模型。 蔡建荣等 51利用高光谱图像技术对碧螺春茶进行真伪鉴别。 艾施荣等 52利用高光谱图像技术鉴别庐山云雾茶的产地。 本论文研究的目的和主要研究 第一 章 绪论 6 本论文 的研究目的 目前中国茶叶市场 存在严重的以假乱真、以次充好现象， 由于名优茶价格高，产品的利润空间大， 名优茶市场 以假乱真现象普遍存在 ，这不仅损害了消费者的利益 ，更 不利于我国名优茶的品牌保护。本 论文 拟开展利用高光谱图像技术来鉴别庐山云雾茶的真伪，开发快速鉴别庐山 云雾茶 真伪 的识别软件， 以提高庐山云雾茶及其他名优茶市场的智能化管理水平，对于规范 茶叶 市场秩序，维护庐山云雾茶等名优茶品牌有着直接的现实意义。 本论文研究的主要内容 针对目前研究存在的问题，本文以地理标志庐山云雾茶和广西、四川、福建产云雾茶为研究对象，采用高光谱成像技术分别获取 4 个产地的高光谱数据，分别利用基于灰度矩法和灰度共生矩阵法提取特征图像的纹理特征，结合 经网络技术，研究快速鉴别云雾茶产地的方法。具体研究内容如下： （ 1）利用主成分分析法 从原始高光谱图像中优选出鉴别 茶叶 品质 的特征波长 ，提取每个特征波长下的特征图像 ； （ 2）分别利用 灰度统计矩法和灰度共生矩阵法分别提取每个特征图像的纹理特征 ， 使用 经网络方法建立庐山云雾茶真伪鉴别的判别模型 。 （ 3） 采用 式开发一套基于高光谱技术的庐山云雾茶 真伪 鉴别 软件 ，软件 集成基于批量处理的高光谱图像数据的标定、感兴趣区域提取、高光谱图像数据的主成分分析、特征波长优选、特征波长下的特征图像 提取、特征图像的特征变量提取 、 庐山云雾茶真伪鉴别和等级评判功能。 本章小结 本章阐述了基于高光谱图像技术的庐山云雾茶真伪鉴别系统进行研发的目的与意义，综述了目前国内外名优茶叶真伪鉴别技术的发展与应用的研究的现状及存在的问题 ，概述了高光谱图像 技术和利用高光谱图像鉴别名优茶叶真伪第一 章 绪论 7 的基本原理 ， 提出了本 论文的 研究 目 的 和 主要 研究 内容。 第二章 高光谱图像 数据采集与 预处理 高光谱图像采集硬件系统 实验用高光谱成像系统是 基于光谱仪的高光谱成像系统 ，其示意图见 图 示 ， 主要 由基于图像光谱仪的高光谱摄像机（ 机（ 移动平台输送装置（ 京） ，一套 150W 的光纤卤素灯系统（ 和计算机等部件组成。光谱仪的光谱范围为 40817 谱分辨率为 2.8 谱采样间隔为 面 是 该系统的各组成部分及其参数 的 简要介绍。 图 光谱图像采集系统示意图 （ 1） 基于图像光谱仪的高光谱摄像机 本 系统采用的高光谱摄像机（ 10E, 的实物图 见 图 由 光谱仪 和 摄像机组成。 光谱仪 是 可见 近 红外光谱仪，色散元件采用棱镜 棱镜的结构 ， 摄像机为单色、数字、线阵的 机。第二 章 数据采集与预处理 8 该高光谱摄像机各相关参数如下所示： 片（ ； 有效像素： 1280（ 1024（ ； 数字信号输出：12芯片尺寸 :H） V） ； 光谱范围： 408光谱分辨率： 帧率： 14焦距： 23曝光时间： 135镜头接口类型： C 型 。 图 10E 摄像机 （ 2） 光源 本系统 所用的 光源 实物图 见 图 采用直接照明方式进行照射 ，由 美国司生产的 图 素灯照明 光源 图 纤线形灯 光源主要参数如下： 光源： 150w 石英卤素灯 电压： 115V 0/60HZ 30V 50/60 使用寿命： 200 保险丝： 250V, 520二 章 数据采集与预处理 9 最大耗电功率： 200W 色温： 3250K 光纤内径： 光纤总长： 122 线形灯总长： 19 尺寸： 重量： 灯的缝隙尺寸： 5D（ （ 3） 移动平台 输送装置 本系统采用的电控位移装置 见 图 北京卓立汉光有限公司生产的电控位移台 ，图 输送 装置控制器（ 控制箱 ）的 实物。 输送装置的 主要技术指标 如下 ： 图 进电控输送装置 步进电机： 额定工作电流： 最大静转矩： 40 中心负载： 7光谱摄像机 自重： 行程： 200 螺杆导程： 4 分辨率： 最大速度： 40mm/ 重复定位精度： 3 第二 章 数据采集与预处理 10 图 送装置控制器 输送装置控制器的 主要技术指标 如下 ： 电源电压： 220v/50 控制轴数： 1 细分： 1， 2， 4， 8 加减速方式：三角形或梯形方式 脉冲速度： 400 显示方式： 8 位 通讯接口方式： 外形尺寸： 380350120茶叶 高光谱图像数据 的 采集 本研究 采用江西九江市场收集不同产地（江西庐山、福建、广西、四川等）云雾茶样本，其中江西庐山是庐山云雾茶的产地标志，每个产地 30 个样本，共120 个样本。 其中江西庐山产的茶叶为真品云雾茶，其他 3 个产地云雾茶为伪造庐山云雾茶加工工艺制作而成。 图像采集在暗室环境中进行，以减少其他光照影响。为减少光照强度引起的误差，高光谱数据采集前，将光源打开预热 到 光源 强度趋于稳定 。 调整高光谱摄像机的物镜距离及曝光时间，以获取清晰的图像。根据相机的扫描频率和茶叶样本的面积大小，确定输送装置的输送速度，以避免图像尺寸和空间分辨第二 章 数据采集与预处理 11 率的失真。 试验时，对每个样本，分别 称取 10茶叶均匀平铺到自制正方体盒子中（ 6盒子里面贴上黑色衬底防止反光。调整 摄像机曝光时间为 30确保采集 过程中 图像清晰 不失真， 输送装置线速度为 s，以避免图像尺寸失真。共采集到 512个波长下的图像，每个波长下的图像分辨率为 5001280，则每个样本获得 5001280512的高光谱图像数据块。 高光谱图像预处理 高光谱图像的标定 高光谱 摄像 机 传感器中存在暗电流，且光源强度在各波段下分布 是 不均匀的 ，导致在光照强度分布较弱的波段获得的高光谱图像噪音较大， 而且 不同波长下的图像亮度值差异也较大 48。在数据分析前需对茶叶高光谱图像进行标定以减少噪音的影响。 其标定过程如下 49：在茶叶高光谱图像采集的参数条件下，扫描标准白色校正板（ 99%光照反射的白板），得到全白的标定图像（ ；关闭摄像机快门采集图像，得到全黑的标定图像（ 按公式（ 1）对高光谱图像进行标定校正，使采集得到的绝对图像 换成相对图像 R。 I （ 式中， R 为标定后的高光谱图像； 原始的高光谱图像； 全黑的标定图像； 全白的标定图像。 光谱图像的拉伸 原始高光谱图像经过黑白标定校正后， 得到的高光谱图像数据块 的数 值 在在 01 之间 ， 而 储存在 计算机 内 的数字图像灰度值分布在 0255 之间。为 便 于理解、比对和后续处理，需将 标定 图像的灰度 拉伸至 0255， 其 拉伸 图像 R由 公式 （ 成 。 255 （ 第二 章 数据采集与预处理 12 式中， R 为标定后的高光谱图像； R为拉伸后图像。 由 高光谱仪自带的 软件 获取茶叶的 高光谱图像数据 ， 原始数据处理由 和 o.， 软件完成。 本章小结 本章 介绍了所使用的高光谱图像检测系统的相关仪器设备和各个部件的主要参数和特性 ； 介绍了实验 样本 、 高光谱图像 数据采集方法 以及 对采集 到的 茶叶 高光谱 图像数据的标定和拉伸 等 基本 预处理 方法。 第三 章 庐山云雾茶真伪鉴别模型 13 第三章 庐山云雾茶真伪鉴别模型 建立 高光谱图像数据是三维的图像块，既有不同波长下的图像信息，又有单个像素下的光谱信息，其数据量庞大（一张高光谱数据的存贮空间大小一般为 。 另外，在原始数据的采集过程中，由于外界因素的影响，不可避免地引入一些噪声信号。 研究采用主成分分析法 从 海量 原始高光谱数据中 挖掘出最有效的特征变量，优选出最能反映茶叶品质的特征波长，提取特征波长下的特征图像， 分别采用 灰度统计矩 法、 灰度共生矩阵法提取特征 波长 图像的纹理特征， 利 用 经网络方法建立判别庐山云雾茶真伪的鉴别模型。 高光谱图像区域的选择 图 4 个产地茶样在 400围内的 反射光谱 曲线，由图可看出反射 光谱的两端 存在 噪声， 是因为 高光谱相机在该光谱区间内的信噪比较低，校正后将噪声放大， 需 去除 这些 噪声波段 48。 4 种产地云雾茶在 450上的光谱曲线存在差异， 在 450 下波段有明显尖峰噪音。故选选择450050围，共 464 个波数点的高光谱图像数据进行研究。 图 山、福建、四川、广西 4 个产地茶叶高光谱图像在不同区域的光谱曲线 第三 章 庐山云雾茶真伪鉴别模型 14 特征波段的选取 主成分分析基本原理 主成分分析 法 （ 53是将原 始 变量 经过一定的 线性 变 换 后 ， 得到互不正交的 新变量 ，新变量是 原变量的线性组合， 且新变量最大限度地 表 达了 原 始 变量的数据特征， 因此 不 会 丢失 原始数据的信息。原始数据通过主成分分析后， 变量数目更少的新变量， 消除 原始数据中的 众多信息共存 而产生 相互重叠的那部分信息。 主成分分析 法 的 变换过程 涉及到多维空间 的 投影概念 。 以二维空间的主成分分析 变换过程为例 54假设在二维空间中有一组测试点 ),(21 ii i=1，2， ， m）， 见 图 将 此二维空间中的 二维数据降 维成 一维数据， 即 是将二维空间的 某 点投影到一维空间的一条线上。 若 没有任何约束条件，其投影方向有无穷多个。 而 主成分分析操作 存在一定的 约束条件， 采用的投影方向的约束条件是： 投影 在一维空间中的直线必须包含了 原 始 数据的最大方差，即 沿着这条线 上 原 始 数据 的方差最大。 例 如图 的点 i（ i=1， 2， ， 7）向直线1p 的投 影点 为 i（ i=1， 2， ， 7），这些点的重心为 O，其分布可用它们到中心点 O 的距离的平方和表示。 若 原 始 数据点的距离分布为： 2222 |7|2|1| （ 如果用在 的投影点表示，则 222 | ，所以有： 2222222 |77|22|11|7|2|1| （ 要使 式（ 前半部分 2 2 2| 1 | | 2 | | 7 |O O O 的值 达到 最大， 则 后 半部分的值 必须 最小， 这样 主成分分析 需 选择投影直线 1p 。这条直线也正好是原数据点的 最 佳 拟