基于高光谱成像的植物叶部病害图像处理算法与实验研究

摘要

植物病虫害严重影响着植物产量，成为植物实现高质高产目标路上的桎梏。及早掌握病虫害的发展状况，就能更有效的减少病虫害对农业生产造成的经济损失。
　　现阶段我国农业生产中主要依赖植物保护专家目测病斑来主观判断植物所遭受病害种类及其程度，难以对植物病况做出客观、量化的描述，并存在严重滞后性，造成的直接后果是延误病虫害准确预报的时效性，从而给农业生产带来经济损失。为了更客观高效地评价病害的严重程度，相关学者将数字图像处理技术应用到植物叶片病斑图像信息的提取与处理中。
　　当前对植物病斑图像提取研究多使用彩色照片，但其有限的光谱信息限制了提取病害区域时可用的光谱特征，存在一定的局限性。高光谱遥感（成像遥感）充分利用电磁波谱的紫外、可见光、近红外和中红外区域中众多连续光谱的图像数据，充分利用图像光谱信息来对植物叶片病斑进行分析处理。
　　基于此，本文综合现有各项研究成果，以病害叶片与病斑分割问题作为切入点，选取某一植物叶片为研究对象，系统分析了植物叶部病害图像，建立了植物叶部病害提取系统。同时对提取的植物病害部分进行纹理分析，构建植物病斑叶片可视化分布图，为后期植物叶片病斑的识别和大规模遥感监测奠定基础。
　　本文的主要工作有以下四项：
　　（1）分别采用光谱角、最小距离、马氏距离和最大似然算法提取病害区域，并对提取结果进行精度评价，通过实验对比，马氏距离的分类算法最好。但由于同物异谱和同谱异物现象的存在，基于光谱特征的分割算法会产生错误的分类，为了进一步提高分割的准确率，提出了结合面向对象的分类算法，实现了高效的分割效果。
　　（2）提取植物叶部病害纹理向量特征参数。利用灰度共生矩阵算法提取病害图像的熵、能量、惯性，相关性等纹理特征，为后期病斑的识别奠定基础。
　　（3）结合偏最小二乘回归和植被指数算法，采用图像处理技术可以得到病害叶片的可视化分布图，同时也反映了叶片病害感染分布，进而判断叶片感染疫情。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3论文研究内容

1.4本章小结

第二章 植物病害图像采集

2.1实验材料

2.2高光谱成像系统以及高光谱图像的获取

2.3本章小结

第三章 植物叶片分割技术的研究

3.1基本原理

3.2选取感兴趣区域

3.3基于主成分分析的光谱特征提取

3.4基于光谱特征的病害图像分割技术

3.5面向对象的病害图像分割技术

3.6本章小结

第四章 植物叶片纹理变量的提取

4.1提取光谱反射率值

4.2对病害区域特征向量的提取

4.3本章小结

第五章 病斑植物叶片的可视化分布图

5.1 NDVI模型构建

5.2偏最小二乘回归

5.3本章小结

第六章 总结与展望

参考文献

攻读硕士学位期间主要的研究成果

致谢