發(fā)布時間：2021-01-20 07:19

　　由于高光譜圖像數(shù)據(jù)具有圖譜合一的特點,近年來高光譜遙感技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用越來越廣泛。然而隨著人們對更高空間分辨率和譜間分辨率的追求,導(dǎo)致原本數(shù)據(jù)量就龐大的植物高光譜圖像數(shù)據(jù)越發(fā)難以存儲和傳輸。壓縮感知技術(shù)的出現(xiàn)使得這個問題得到了緩解,近年來也有一些關(guān)于植物高光譜的壓縮感知技術(shù)相繼被提出,然而這些技術(shù)都是在探究如何利用植物高光譜的空譜相關(guān)性以獲取先驗信息來輔助壓縮感知從而提高重構(gòu)質(zhì)量,并未從植物高光譜的實際應(yīng)用需求出發(fā)對壓縮感知技術(shù)進行改進�；诖�,本課題具體的研究內(nèi)容包括:（1）針對植物高光譜部分波段存在顯著噪聲的問題,研究了如何實現(xiàn)在對其進行壓縮感知的過程中實現(xiàn)顯著噪聲的去除,并提出了一種基于線性預(yù)測模型空譜自適應(yīng)的植物高光譜壓縮感知算法（PSSAHCS）。（2）針對植物高光譜的實際應(yīng)用往往只關(guān)心植物區(qū)域,而已有的植物高光譜壓縮感知技術(shù)并不對植物區(qū)域與背景區(qū)域加以區(qū)別的問題,分別在葉片尺度和冠層尺度研究了壓縮感知技術(shù)。（3）在葉片尺度,提出了面向植物葉片高光譜的壓縮感知技術(shù)（ISABCS）,并采用真實的茶葉高光譜數(shù)據(jù)進行實驗。（4）在冠層尺度,提出了基于聯(lián)合稀疏表示分類的植物高光... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

原始數(shù)據(jù)合成的RGB圖像

原始圖像

杭州電子科技大學(xué)碩士學(xué)位論文22（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS圖3.70.10Bpp采樣率下四種算法在440nm處的重構(gòu)結(jié)果（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS圖3.80.10Bpp采樣率下四種算法在660nm處的重構(gòu)結(jié)果（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS圖3.90.10Bpp采樣率下四種算法在980nm處的重構(gòu)結(jié)果

【參考文獻】：
期刊論文
[1]基于線性混合模型的高光譜圖像分布式壓縮感知[J]. 陳欣,粘永健,王忠良.  紅外技術(shù). 2019(08)
[2]基于無人機高光譜數(shù)據(jù)的玉米葉面積指數(shù)估算[J]. 程雪,賀炳彥,黃耀歡,孫志剛,李鼎,朱婉雪.  遙感技術(shù)與應(yīng)用. 2019(04)
[3]地理加權(quán)回歸模型結(jié)合高光譜反演鹽生植物葉片鹽離子含量[J]. 袁婕,張飛,葛翔宇,郭婉臻,鄧來飛.  農(nóng)業(yè)工程學(xué)報. 2019(10)
[4]高光譜的草本植物水分含量檢測模型構(gòu)建[J]. 趙陽,成晨,楊璐璐,余新曉.  光譜學(xué)與光譜分析. 2019(03)
[5]圖-譜結(jié)合的壓縮感知高光譜視頻圖像復(fù)原[J]. 譚翠媚,許廷發(fā),馬旭,張宇寒,王茜,閆歌.  中國光學(xué). 2018(06)
[6]光譜檢測技術(shù)在食品安全檢測中的應(yīng)用[J]. 洪旭東,王超,張德鈞,黃慧.  食品安全質(zhì)量檢測學(xué)報. 2018(11)
[7]雙子葉植物葉片類胡蘿卜素含量高光譜反演估算[J]. 余昌樂,許童羽,王洋,于豐華.  浙江農(nóng)業(yè)學(xué)報. 2018(03)
[8]基于K-SVD字典學(xué)習(xí)算法的稀疏表示振動信號壓縮測量重構(gòu)方法[J]. 郭俊鋒,石斌,魏興春,李海燕,王智明.  機械工程學(xué)報. 2018(07)
[9]壓縮感知理論中的RIP準(zhǔn)則[J]. 路暢,劉玉紅.  自動化與儀器儀表. 2015(08)
[10]壓縮感知中一種改進內(nèi)點算法的研究[J]. 董騰,楊帆,潘國峰.  儀表技術(shù)與傳感器. 2015(06)

博士論文
[1]基于多尺度高光譜成像的大豆養(yǎng)分檢測方法研究[D]. 張亞坤.東北農(nóng)業(yè)大學(xué) 2018

碩士論文
[1]不同生育期冬小麥生理生化參數(shù)高光譜估算[D]. 余蛟洋.西北農(nóng)林科技大學(xué) 2018
[2]脅迫下植物光譜特征識別及生理指標(biāo)估算研究[D]. 陶文曠.中國礦業(yè)大學(xué) 2017
[3]高光譜圖像壓縮方法研究[D]. 胡燦.重慶郵電大學(xué) 2016
[4]基于張量和非線性稀疏的多維信號壓縮感知理論與應(yīng)用[D]. 李斌.西安電子科技大學(xué) 2014



本文編號：2988633