基于高光譜和圖像處理技術(shù)的油菜病蟲害蟲早期監(jiān)測方法和機理研究.pdf

1、高光譜成像技術(shù)能夠獲取傳感器視角范圍內(nèi)每一個像素的光譜信息，使油菜植株的空間信息可視化，能使用數(shù)字圖像技術(shù)處理這些空間信息：能夠獲取光譜分辨率比較高的數(shù)據(jù)，其中包含的波段信息遠多于多光譜成像技術(shù)，也更能夠提取出準(zhǔn)確反映油菜植株生理狀況的信息。本研究將高光譜成像技術(shù)和數(shù)字圖像處理技術(shù)結(jié)合，提取油菜受病蟲害脅迫時的生理信息，研究生理信息與受脅迫程度的耦合關(guān)系。用高光譜數(shù)據(jù)的敏感波段來揭示受害植株理化信息與高光譜數(shù)據(jù)間的相關(guān)關(guān)系。論文以受主要

2、病害菌核病和主要蟲害菜青蟲危害后的油菜植株為研究對象，提出一套受害油菜葉片關(guān)鍵信息的提取方法：根據(jù)病斑像素的高光譜數(shù)據(jù)提取葉片受病害時長信息；通過將殘余葉片復(fù)原，獲取葉片受蟲害程度信息；將數(shù)字圖像處理技術(shù)與高光譜成像技術(shù)結(jié)合，提取受蟲害葉片的完整葉脈，使得對葉脈的研究在不健康葉片上也能展開。主要內(nèi)容包括：
　　 (1)以高光譜圖像中的光譜維數(shù)據(jù)為基礎(chǔ)，實現(xiàn)油菜菌核病按感染時間的快速分類。將感染菌核病的油菜高光譜數(shù)據(jù)按感染時間的不

3、同分為6類。采用基于類間不穩(wěn)定指數(shù)的高光譜波段優(yōu)選算法進行數(shù)據(jù)降維，該算法的核心思想是利用最能體現(xiàn)各類樣本間差異的波段來對數(shù)類樣本進行判別。采用群體智能算法尋找神經(jīng)網(wǎng)絡(luò)的最優(yōu)參數(shù)，構(gòu)建優(yōu)化的神經(jīng)網(wǎng)絡(luò)，對輸入高光譜數(shù)據(jù)進行分類運算。該部分內(nèi)容在論文第四章中詳細闡述。
　　 (2)以高光譜圖像中的空間維數(shù)據(jù)為基礎(chǔ)，實現(xiàn)油菜葉片菜青蟲孔自動識別和重構(gòu)。從高光譜圖像中獲得受害油菜葉片的精確輪廓，基于高光譜成像技術(shù)、數(shù)字圖像處理技術(shù)和神經(jīng)

4、網(wǎng)絡(luò)方法，提出一種新的不閉合蟲孔定位和重構(gòu)算法。使得通過計算受損葉面積獲得蟲害程度信息成為可能。該部分內(nèi)容在論文第五章中詳細闡述。
　　 (3)以高光譜圖像中的空間維數(shù)據(jù)為基礎(chǔ)，采用導(dǎo)數(shù)光譜法和主成分分析法，結(jié)合數(shù)字圖像處理技術(shù)，識別受菜青蟲輕度危害的葉片的葉脈，尋找一種最優(yōu)的輕度蟲害油菜葉片的葉脈識別算法。該部分內(nèi)容在論文第六章中詳細闡述。
　　 本論文的第一章介紹了課題的背景、意義和主要研究內(nèi)容；第二章介紹了實驗材料

5、及設(shè)備：第三章介紹了數(shù)據(jù)處理方法；第四章介紹了油菜受菌核病感染時長的識別算法；第五章介紹了受菜青蟲咬噬的油菜葉片的復(fù)原算法，可用于計算葉片的受害面積；第六章介紹了受菜青蟲輕度危害的油菜葉片的葉脈提取技術(shù)，使得對不健康葉片的葉脈分析成為可能；第七章包括研究總結(jié)和展望。其中第四章、第五章、第六章是論文的主體部分，分別提出了三種算法用于提取油菜葉片受病蟲害危害后的關(guān)鍵信息。論文實現(xiàn)了油菜受主要的病害和蟲害影響時的一些關(guān)鍵信息的快速獲取，為進一