本文關(guān)鍵詞： 玉米種子 品種檢測 高光譜圖像 去噪 分割 特征選擇　出處：《沈陽農(nóng)業(yè)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：玉米是世界三大糧食作物之一,其適應(yīng)能力強、種植面積廣、產(chǎn)量大、用途廣泛,對我國民經(jīng)濟發(fā)展和社會穩(wěn)定,具有極其重要的戰(zhàn)略意義。當(dāng)前,玉米種子商業(yè)化程度高,品種繁多、極易混淆,給農(nóng)民放心選購和市場監(jiān)管帶來了極大的不便。研究能夠滿足市場監(jiān)管初判的,快速的、無損的品種真實性檢測技術(shù),有利于保障玉米種植和規(guī)范種子市場。本研究以快速、無損玉米種子品種真實性檢測技術(shù)為研究對象,利用高光譜圖像和模式識別技術(shù),針對高光譜圖像應(yīng)用于玉米品種真實性檢測的預(yù)處理問題、特征選擇問題、識別與檢測問題等進行了探討,提出了適合于實際應(yīng)用的去噪、分割、特征選擇及識別檢測的方法與思路。主要研究內(nèi)容和結(jié)論如下:(1)提出了基于Contourlet變換和閾值函數(shù)的高光譜圖像去噪模型方法及基于直方圖斜率差的自適應(yīng)閾值的通用圖像分割方法。針對實際應(yīng)用中玉米種子高光譜圖像存在噪聲的問題,本文在分析Contourlet變換原理的基礎(chǔ)上,結(jié)合實際應(yīng)用構(gòu)造了基于閾值函數(shù)的去噪模型,同時通過引入邊緣保持系數(shù)的實驗分析表明,本模型方法對含有不同強度(方差)噪聲的玉米種子高光譜圖像具有更好的去噪效果且優(yōu)于均值和維納濾波方法。針對實際應(yīng)用中玉米種子高光譜圖像因噪聲而不易分割的情況,尤其是自動、魯棒的圖像分割技術(shù)瓶頸問題,本文利用實驗發(fā)現(xiàn)的直方圖斜率差的分布特性,提出了一種從標(biāo)記像素空間密度分布到灰度分布的轉(zhuǎn)換方法以實現(xiàn)基于灰度變換的圖像分割方法(DGTS),經(jīng)針對合成圖像和實際玉米種子高光譜圖像的實驗分析,本方法相比于EM和K-means等常用方法,具有更準(zhǔn)確、有效區(qū)分不同灰度均值并分割圖像的特性,而且在分割處理含有噪聲的玉米種子高光譜圖像時,具有更好的自適應(yīng)性和魯棒性,更適合檢測應(yīng)用的實際。(2)提出了基于最大載荷系數(shù)的玉米品種特征波段選擇方法及品種形態(tài)特征、紋理特征選擇提取方法,并提出了融合多類特征參數(shù)實現(xiàn)品種檢測的思路,以解決玉米高光譜圖像降維及"同質(zhì)同譜"問題。通過對PCA變換方法的分析,提出了以PCA變換后各主成分中最大載荷系數(shù)對應(yīng)波段為條件的特征波段選擇方法,并根據(jù)該方法選擇了藍綠光、紅光和近紅外三個波段范圍內(nèi)5個波段作為玉米種子品種的特征波段并分析了其光譜特性。通過對玉米種子形態(tài)特征指標(biāo)的綜合考量,選擇了基礎(chǔ)幾何和不變矩兩類共計5個玉米品種的形態(tài)特征參數(shù),深入探討了這5個形態(tài)特征參數(shù)的提取方法并分析了其特性,其中還詳細說明了利用8鏈通碼計算粒籽周長的算法。通過對玉米種子紋理特征的綜合分析,選擇了表征玉米品種的4個灰度共生矩陣特征值作為紋理特征,闡述了其提取方法并實驗分析了紋理特征參數(shù)的特性。以上研究,為優(yōu)化和深入探討基于多類特征的玉米種子高光譜品種檢測奠定了基礎(chǔ)。(3)針對玉米種子高光譜圖像基于多類特征的品種檢測及其優(yōu)化問題,本文實驗證明了玉米種子的形態(tài)特征、紋理特征在不同波段范圍的分類識別能力,并提出了融合多類特征玉米種子高光譜圖像品種檢測方法。利用PLSDA方法,對10類玉米品種在多波段、全波段和特征波段下,基于形態(tài)、紋理以及融合多類別特征參數(shù)的玉米種子高光譜圖像分類識別性能進行了實驗和分析,實驗表明,在單波段下基于形態(tài)特征參數(shù)的分類識別性能,無論訓(xùn)練平均最高精度64.38%,還是測試平均最高精度49.64,整體平均識別率都較低;而在多波段和全波段下,全波段的平均訓(xùn)練和測試精度(97.77%和90.80%)明顯優(yōu)于多波段的平均訓(xùn)練和測試精度(83.89%和73.78);在全波段下,不同紋理特征參數(shù)對玉米種子品種的鑒別能力不同,而能量、均值、熵3個紋理特征的組合,實現(xiàn)了訓(xùn)練和測試最高98.87%和98.21%的分類精度;在特征波段下,能量、均值、熵3個紋理特征組合的訓(xùn)練和測試精度僅能達到91.05%和84.76%,但融合形態(tài)特征參數(shù)后,訓(xùn)練和測試精度可達到99.37%和98.14%的較理想狀態(tài),說明波段數(shù)量的減少會降低模型分類識別的精度,但融合形態(tài)特征和紋理特征可以在一定程度上彌補波段減少而造成的信息丟失,也證明了本文提出的融合多類特征實現(xiàn)玉米種子品種檢測的正確性和有效性。(4)探討了利用高光譜圖像實現(xiàn)玉米種子品種檢測原型系統(tǒng)的軟硬件總體設(shè)計。從玉米種子市場管理的需求出發(fā),采用面向?qū)ο蠓椒▽υ拖到y(tǒng)的軟硬件模塊進行了規(guī)劃和設(shè)計,對高光譜圖像的采集設(shè)備進行了選型并初步設(shè)計了集成箱體和控制系統(tǒng)模塊;規(guī)劃和設(shè)計了檢測原型系統(tǒng)的軟件模塊,分析了檢測原型系統(tǒng)的用例及用例之間時序關(guān)系并使用建模工具進行了部分建模。最后,從原型系統(tǒng)構(gòu)建和市場應(yīng)用的管理視角,對玉米種子高光譜圖像標(biāo)準(zhǔn)特征庫的建立規(guī)范進行了建議。
[Abstract]:In this paper , based on the principle of high spectral image and pattern recognition , this paper presents a method of denoising , segmentation , feature selection and identification detection based on histogram slope difference . ( 2 ) The selection method of characteristic band of maize varieties based on the maximum load coefficient and the morphological characteristics and texture feature selection extraction method are put forward . ( 3 ) Based on the classification and identification of corn seed varieties with high spectral image based on multi - band characteristics , this paper presents the classification accuracy of corn seed varieties based on morphological , texture and multi - category characteristic parameters .

【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：S513;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 張兵;;高光譜圖像處理與信息提取前沿[J];遙感學(xué)報;2016年05期

2 吳翔;張衛(wèi)正;陸江鋒;裘正軍;何勇;;基于高光譜技術(shù)的玉米種子可視化鑒別研究[J];光譜學(xué)與光譜分析;2016年02期

3 唐金亞;黃敏;朱啟兵;;基于局部學(xué)習(xí)的玉米種子近紅外高光譜圖像鑒選[J];激光與光電子學(xué)進展;2015年04期

4 趙久然;王鳳格;易紅梅;田紅麗;楊揚;;我國玉米品種標(biāo)準(zhǔn)DNA指紋庫構(gòu)建研究及應(yīng)用進展[J];作物雜志;2015年02期

5 鄧小琴;朱啟兵;黃敏;;融合光譜、紋理及形態(tài)特征的水稻種子品種高光譜圖像單粒鑒別[J];激光與光電子學(xué)進展;2015年02期

6 楊揚;王鳳格;趙久然;劉亞維;;中國玉米品種審定現(xiàn)狀分析[J];中國農(nóng)業(yè)科學(xué);2014年22期

7 朱俊杰;杜小平;范湘濤;郭華東;;一種改進的多尺度分形網(wǎng)絡(luò)演化分割方法[J];遙感技術(shù)與應(yīng)用;2014年02期

8 賈仕強;劉哲;李紹明;李林;馬欽;張曉東;朱德海;嚴衍祿;安冬;;基于高光譜圖像技術(shù)的玉米雜交種純度鑒定方法探索[J];光譜學(xué)與光譜分析;2013年10期

9 郝強;周敏;鄭紅嬋;;基于邊緣檢測和四點插值細分的SAR圖像去噪[J];計算機工程與應(yīng)用;2014年11期

10 黃敏;朱曉;朱啟兵;馮朝麗;;基于高光譜圖像的玉米種子特征提取與識別[J];光子學(xué)報;2012年07期

相關(guān)博士學(xué)位論文 前2條

1 劉翔;基于光譜維變換的高光譜圖像目標(biāo)探測研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2008年

2 侯波;基于小波變換消除遙感圖像噪聲[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

相關(guān)碩士學(xué)位論文 前4條

1 王龍;圖像紋理特征提取及分類研究[D];中國海洋大學(xué);2014年

2 朱曉;玉米高光譜圖像的特征提取與分類研究[D];江南大學(xué);2013年

3 王玉亮;基于機器視覺的玉米種子品種識別與檢測研究[D];山東農(nóng)業(yè)大學(xué);2008年

4 寧紀鋒;玉米品種的計算機視覺識別研究[D];西北農(nóng)林科技大學(xué);2002年

，

本文編號：1501208