面向植物高光谱数据的压缩感知技术研究

发布时间：2021-01-20 07:19

　　由于高光谱图像数据具有图谱合一的特点,近年来高光谱遥感技术在农业领域中的应用越来越广泛。然而随着人们对更高空间分辨率和谱间分辨率的追求,导致原本数据量就庞大的植物高光谱图像数据越发难以存储和传输。压缩感知技术的出现使得这个问题得到了缓解,近年来也有一些关于植物高光谱的压缩感知技术相继被提出,然而这些技术都是在探究如何利用植物高光谱的空谱相关性以获取先验信息来辅助压缩感知从而提高重构质量,并未从植物高光谱的实际应用需求出发对压缩感知技术进行改进。基于此,本课题具体的研究内容包括:（1）针对植物高光谱部分波段存在显著噪声的问题,研究了如何实现在对其进行压缩感知的过程中实现显著噪声的去除,并提出了一种基于线性预测模型空谱自适应的植物高光谱压缩感知算法（PSSAHCS）。（2）针对植物高光谱的实际应用往往只关心植物区域,而已有的植物高光谱压缩感知技术并不对植物区域与背景区域加以区别的问题,分别在叶片尺度和冠层尺度研究了压缩感知技术。（3）在叶片尺度,提出了面向植物叶片高光谱的压缩感知技术（ISABCS）,并采用真实的茶叶高光谱数据进行实验。（4）在冠层尺度,提出了基于联合稀疏表示分类的植物高光... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

原始数据合成的RGB图像

原始图像

杭州电子科技大学硕士学位论文22（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS图3.70.10Bpp采样率下四种算法在440nm处的重构结果（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS图3.80.10Bpp采样率下四种算法在660nm处的重构结果（a）SSCS（b）BCS（c）AGDCS（d）PSSAHCS图3.90.10Bpp采样率下四种算法在980nm处的重构结果

【参考文献】：
期刊论文
[1]基于线性混合模型的高光谱图像分布式压缩感知[J]. 陈欣,粘永健,王忠良.  红外技术. 2019(08)
[2]基于无人机高光谱数据的玉米叶面积指数估算[J]. 程雪,贺炳彦,黄耀欢,孙志刚,李鼎,朱婉雪.  遥感技术与应用. 2019(04)
[3]地理加权回归模型结合高光谱反演盐生植物叶片盐离子含量[J]. 袁婕,张飞,葛翔宇,郭婉臻,邓来飞.  农业工程学报. 2019(10)
[4]高光谱的草本植物水分含量检测模型构建[J]. 赵阳,成晨,杨璐璐,余新晓.  光谱学与光谱分析. 2019(03)
[5]图-谱结合的压缩感知高光谱视频图像复原[J]. 谭翠媚,许廷发,马旭,张宇寒,王茜,闫歌.  中国光学. 2018(06)
[6]光谱检测技术在食品安全检测中的应用[J]. 洪旭东,王超,张德钧,黄慧.  食品安全质量检测学报. 2018(11)
[7]双子叶植物叶片类胡萝卜素含量高光谱反演估算[J]. 余昌乐,许童羽,王洋,于丰华.  浙江农业学报. 2018(03)
[8]基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法[J]. 郭俊锋,石斌,魏兴春,李海燕,王智明.  机械工程学报. 2018(07)
[9]压缩感知理论中的RIP准则[J]. 路畅,刘玉红.  自动化与仪器仪表. 2015(08)
[10]压缩感知中一种改进内点算法的研究[J]. 董腾,杨帆,潘国峰.  仪表技术与传感器. 2015(06)

博士论文
[1]基于多尺度高光谱成像的大豆养分检测方法研究[D]. 张亚坤.东北农业大学 2018

硕士论文
[1]不同生育期冬小麦生理生化参数高光谱估算[D]. 余蛟洋.西北农林科技大学 2018
[2]胁迫下植物光谱特征识别及生理指标估算研究[D]. 陶文旷.中国矿业大学 2017
[3]高光谱图像压缩方法研究[D]. 胡灿.重庆邮电大学 2016
[4]基于张量和非线性稀疏的多维信号压缩感知理论与应用[D]. 李斌.西安电子科技大学 2014



本文编号：2988633