学位论文 > 优秀研究生学位论文题录展示
高光谱图像技术诊断黄瓜病害方法的研究
作 者: 张琳
导 师: 田有文
学 校: 沈阳农业大学
专 业: 计算机应用技术
关键词: 高光谱图像技术 黄瓜病害 主成分分析 特征提取 支持向量机
分类号: S436.421
类 型: 硕士论文
年 份: 2011年
下 载: 22次
引 用: 0次
阅 读: 论文下载
内容摘要
黄瓜是我国最主要的蔬菜品种,种植广,面积大,经济效益显著。特别是随着温室蔬菜的发展,黄瓜在“菜篮子工程”中占有重要地位。然而黄瓜在生长发育过程中,经常受到各种因素的影响而发生病害,从而影响黄瓜的产量和品质,甚至绝收。农药的使用有时会收到良好的效果,但造成黄瓜与环境的污染。解决此类问题的有效技术措施是对黄瓜进行病害实时监控、预测预警与精确喷药,而其重要前提是快速、准确的获知黄瓜病害的信息。随着现代信息科学技术的发展,图像处理与识别、光谱分析等技术在植物病害诊断中得到了重要的应用,为实现植物快速、准确、无损的病害诊断提供了强有力的手段。高光谱图像技术作为一种农作物病害诊断的新技术,本文探讨了其在黄瓜病害诊断中的可行性。因为高光谱遥感图像的数据维数比较高,给图像进一步的处理造成了困难,为解决这一问题,本论文提出了主成分分析的降维方法,以诊断黄瓜病害为目的,首先对采集到的高光谱图像数据进行主成分分析,通过分析,挑选出634 nm、679 nm和700 nm三个波长作为特征波长,从而提取出三个特征图像,然后从每个特征图像中裁剪出特征子图像,经预处理后,从灰度统计量、直方图、颜色三方面进行了特征提取,初步提取出了22个特征向量,再利用逐步判别分析方法对这些22个特征向量进行优化选择,最终挑选出9个最具有代表性的特征参数,最后利用支持向量机和神经网络技术从黄瓜病害样本的样本数、特征图像、特征参数运用四种不同的核函数进行分类和比较,得到最佳的识别参数。本文从图像采集、主成份分析、图像预处理、特征提取、模式识别等几个方面都进行了方法研究,取得了比较理想的研究结果。论文研究结论对于促进高光谱图像技术在其他农作物病虫害诊断的研究与应用具有一定的借鉴意义。
|
全文目录
摘要 8-9Abstract 9-10第一章 绪论 10-19 1.1 研究的目的与意义 10 1.2 黄瓜病害简介 10-13 1.3 国内外研究现状及发展动态分析 13-17 1.3.1 可见光图像技术在农业工程中的应用 13-14 1.3.2 多光谱图像技术在农业工程中的应用 14-15 1.3.3 高光谱图像技术在农业工程中的应用 15-17 1.4 研究的主要内容 17 1.5 研究的技术路线 17-19第二章 高光谱图像处理 19-30 2.1 图像识别概述 19-22 2.1.1 图像识别系统 19-20 2.1.2 图像处理 20-21 2.1.3 识别结果输出 21-22 2.2 高光谱图像基本原理 22-24 2.2.1 高光谱图像采集系统 22-23 2.2.2 高光谱图像的标定 23-24 2.3 病害波谱分析 24-25 2.4 主成分分析 25-28 2.5 特征波长的选取 28-30第三章 黄瓜病害特征图像的处理 30-34 3.1 直方图均衡化 30-31 3.2 滤波处理 31-34第四章 特征提取与选择 34-45 4.1 提取图像灰度统计量特征 34-36 4.2 直方图特征的提取 36-38 4.3 颜色特征的提取 38-42 4.3.1 RGB色度系统 39 4.3.2 HIS色度系统 39-42 4.4 特征选择 42-45第五章 黄瓜病害识别方法的研究 45-60 5.1 模式识别概述 45 5.2 BP神经网络 45-49 5.2.1 BP神经网络概述 45-46 5.2.2 BP神经网络结构模型 46 5.2.3 BP神经网络算法 46-47 5.2.4 各参数的选取 47-49 5.3 支持向量机 49-53 5.3.1 最优分类面 50-52 5.3.2 广义最优分类面 52 5.3.3 核函数 52-53 5.4 识别结果与分析 53-60 5.4.1 不同样本数的分析比较 54-55 5.4.2 不同特征图像的分析比较 55-57 5.4.3 不同特征参数的分析比较 57-58 5.4.4 与BP神经网络进行的比较 58-60第六章 结论与展望 60-62 6.1 本研究主要工作 60 6.2 进一步的研究及设想 60-62参考文献 62-66致谢 66-67攻读硕士学位期间发表的学术论文 67
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
中图分类: > 农业科学 > 植物保护 > 病虫害及其防治 > 园艺作物病虫害及其防治 > 蔬菜病虫害 > 瓜类病虫害 > 黄瓜病虫害
© 2012 www.xueweilunwen.com
|