白粉病作為小麥的主要病害之一,嚴(yán)重制約著我國小麥的產(chǎn)量和品質(zhì)。該病害在早期如果發(fā)現(xiàn)不及時(shí)、不準(zhǔn)確,容易使農(nóng)戶增加經(jīng)濟(jì)損失,還可能造成過量噴灑農(nóng)藥引起農(nóng)田環(huán)境污染。同時(shí),在該病染病中晚期,無損監(jiān)測(cè)對(duì)病害防控的重要性降低,但能為災(zāi)害損失評(píng)估提供有價(jià)值的參考,因此如何對(duì)小麥關(guān)鍵生育期的白粉病嚴(yán)重度進(jìn)行快速、準(zhǔn)確地診斷變得十分重要。遙感技術(shù)具有無損、快捷、省時(shí)等優(yōu)勢(shì),尤其是高光譜成像技術(shù)融合圖像和光譜的數(shù)據(jù)優(yōu)勢(shì),可以為作物病蟲害監(jiān)測(cè)研究中的目標(biāo)識(shí)別提供重要的技術(shù)支持。本論文以小麥白粉病葉片為研究對(duì)象,利用ImSpector V10E-QE成像光譜儀收集研究目標(biāo)的“圖譜合一”數(shù)據(jù),結(jié)合計(jì)算機(jī)圖像處理和機(jī)器學(xué)習(xí)技術(shù),進(jìn)行白粉病病情回歸預(yù)測(cè)與病害嚴(yán)重度分類研究,以期指導(dǎo)作物病害噴藥防治及為災(zāi)后損失評(píng)估提供技術(shù)支撐。本文主要研究內(nèi)容和結(jié)果如下:（1）利用計(jì)算機(jī)圖像處理技術(shù)進(jìn)行病斑分割,實(shí)現(xiàn)病情指數(shù)（Disease Index,DI）的定量計(jì)算。首先,在中值濾波增強(qiáng)圖像之后,采用OTSU分割算法和模糊C—均值聚類對(duì)Lab顏色空間中的a分量和b分量進(jìn)行葉片和背景區(qū)域分割處理;其次,利用超紅顏色特征2R-G... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 基于近地非成像高光譜遙感的病蟲害監(jiān)測(cè)研究
        1.2.2 基于近地成像高光譜遙感的病蟲害監(jiān)測(cè)研究
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 小麥白粉病害分割方法研究與系統(tǒng)設(shè)計(jì)
        1.3.2 小麥白粉病早期特征研究與建模
        1.3.3 小麥白粉病中晚期嚴(yán)重度識(shí)別研究
    1.4 論文結(jié)構(gòu)
第二章 試驗(yàn)方案與數(shù)據(jù)獲取
    2.1 試驗(yàn)方案
    2.2 數(shù)據(jù)獲取
        2.2.1 試驗(yàn)儀器
        2.2.2 高光譜數(shù)據(jù)獲取
    2.3 高光譜數(shù)據(jù)預(yù)處理
        2.3.1 反射率轉(zhuǎn)換
        2.3.2 光譜特征增強(qiáng)
    2.4 病害嚴(yán)重度劃分
    2.5 本章小結(jié)
第三章 病斑分割方法及系統(tǒng)搭建
    3.1 引言
    3.2 染病葉片病斑分割流程
    3.3 圖像增強(qiáng)處理
        3.3.1 直方圖均衡化
        3.3.2 鄰域平均法
        3.3.3 中值濾波
    3.4 葉片區(qū)域提取
        3.4.1 Lab顏色空間
        3.4.2 OTSU閾值分割
        3.4.3 模糊C—均值聚類
        3.4.4 形態(tài)學(xué)處理
    3.5 病斑區(qū)域提取
    3.6 病情指數(shù)計(jì)算
    3.7 小麥葉片病斑分割系統(tǒng)搭建
        3.7.1 系統(tǒng)開發(fā)
        3.7.2 系統(tǒng)實(shí)現(xiàn)
    3.8 本章小結(jié)
第四章 基于Relief-F波段篩選的小麥白粉病早期特征研究
    4.1 引言
    4.2 研究方法
        4.2.1 Relief-F算法
        4.2.2 適用于病害檢測(cè)的植被指數(shù)選取
        4.2.3 支持向量回歸
    4.3 染病早期不同病害嚴(yán)重等級(jí)的光譜特征
    4.4 基于Relief-F算法的病害敏感波段提取
    4.5 病情反演模型建立
    4.6 本章小結(jié)
第五章 基于Isomap與PNN的小麥白粉病中晚期嚴(yán)重度分類研究
    5.1 引言
    5.2 研究方法
        5.2.1 等距映射算法
        5.2.2 概率神經(jīng)網(wǎng)絡(luò)
    5.3 染病中晚期不同病害嚴(yán)重度的光譜特征
    5.4 Isomap降維處理
    5.5 中晚期白粉病病害指數(shù)計(jì)算
    5.6 基于PNN的分類識(shí)別結(jié)果與分析
    5.7 Isomap降維處理在早期病害上的應(yīng)用
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]高光譜成像技術(shù)在果蔬品質(zhì)安全無損檢測(cè)中的應(yīng)用[J]. 盧娜,韓平,王紀(jì)華.  食品安全質(zhì)量檢測(cè)學(xué)報(bào). 2017(12)
[2]利用成像高光譜區(qū)分冬小麥白粉病與條銹�。ㄓ⑽模J]. 梁棟,劉娜,張東彥,趙晉陵,林芬芳,黃林生,張慶,丁玉婉.  紅外與激光工程. 2017(01)
[3]小麥白粉病氣候風(fēng)險(xiǎn)評(píng)估[J]. 張蕾,郭安紅,王純枝.  生態(tài)學(xué)雜志. 2016(05)
[4]基于SVM分類的紅外艦船目標(biāo)識(shí)別[J]. 張迪飛,張金鎖,姚克明,成明偉,吳永國.  紅外與激光工程. 2016(01)
[5]冬小麥條銹病嚴(yán)重度不同估算方法對(duì)比研究[J]. 王靜,景元書,黃文江,張競(jìng)成,趙娟,張清,王力.  光譜學(xué)與光譜分析. 2015(06)
[6]基于相關(guān)向量機(jī)的冬小麥蚜蟲遙感預(yù)測(cè)[J]. 唐翠翠,黃文江,羅菊花,梁棟,趙晉陵,黃林生.  農(nóng)業(yè)工程學(xué)報(bào). 2015(06)
[7]基于小波變換與支持向量機(jī)回歸的冬小麥葉面積指數(shù)估算[J]. 梁棟,楊勤英,黃文江,彭代亮,趙晉陵,黃林生,張東彥,宋曉宇.  紅外與激光工程. 2015(01)
[8]最小二乘支持向量機(jī)用于時(shí)間序列葉面積指數(shù)預(yù)測(cè)[J]. 梁棟,謝巧云,黃文江,彭代亮,楊曉華,黃林生,胡勇.  紅外與激光工程. 2014(01)
[9]復(fù)雜背景下甜瓜果實(shí)分割算法[J]. 王玉德,張學(xué)志.  農(nóng)業(yè)工程學(xué)報(bào). 2014(02)
[10]白粉病脅迫下小麥冠層葉綠素密度的高光譜估測(cè)[J]. 馮偉,王曉宇,宋曉,賀利,王晨陽,郭天財(cái).  農(nóng)業(yè)工程學(xué)報(bào). 2013(13)

博士論文
[1]小麥病蟲害多尺度遙感識(shí)別和區(qū)分方法研究[D]. 袁琳.浙江大學(xué) 2015
[2]基于光譜和成像技術(shù)的作物病害不同侵染期快速檢測(cè)方法研究[D]. 程術(shù)希.浙江大學(xué) 2014
[3]基于多源數(shù)據(jù)小麥白粉病遙感監(jiān)測(cè)研究[D]. 杜世州.安徽農(nóng)業(yè)大學(xué) 2013
[4]基于高光譜成像技術(shù)的作物葉綠素信息診斷機(jī)理及方法研究[D]. 張東彥.浙江大學(xué) 2012

碩士論文
[1]基于顯微高光譜成像的血液細(xì)胞識(shí)別研究與應(yīng)用[D]. 賈高杰.華東師范大學(xué) 2016
[2]基于圖像和光譜解析的小麥病害識(shí)別研究[D]. 劉娜.安徽大學(xué) 2016
[3]基于Markov隨機(jī)場(chǎng)和K均值聚類的小麥葉部病害圖像分割[D]. 黃帥.安徽農(nóng)業(yè)大學(xué) 2015
[4]基于成像高光譜的小麥氮素營養(yǎng)監(jiān)測(cè)研究[D]. 黃宇.南京農(nóng)業(yè)大學(xué) 2015
[5]冬小麥葉面積指數(shù)反演與病害光譜識(shí)別研究[D]. 管青松.安徽大學(xué) 2014
[6]塞曼效應(yīng)實(shí)驗(yàn)計(jì)算機(jī)輔助分析軟件設(shè)計(jì)[D]. 高云.吉林大學(xué) 2014
[7]基于VC++6.0的視頻圖像采集及處理系統(tǒng)設(shè)計(jì)[D]. 葉艷艷.武漢輕工大學(xué) 2013
[8]基于OpenCV焊縫視覺跟蹤圖像處理的研究[D]. 徐自越.蘭州理工大學(xué) 2012
[9]基于高光譜遙感的礦物光譜特征分析和提取[D]. 劉天樂.中國地質(zhì)大學(xué) 2009
[10]地物光譜特征分析技術(shù)研究[D]. 聞兵工.解放軍信息工程大學(xué) 2009



本文編號(hào)：2940477