基于高光谱成像技术的红酸枝品种识别

发布时间：2017-04-06 05:03

  本文关键词：基于高光谱成像技术的红酸枝品种识别，由笔耕文化传播整理发布。

【摘要】：对市场上常见的红酸枝类木材进行快速无损识别,有助于规范红酸枝木的市场秩序和保护消费者的利益。目前的红酸枝木识别方法费时、耗力、成本较高,或是破坏木材无法做到无损检测。本研究的目的在于利用高光谱成像技术结合不同判别模型对交趾黄檀、巴里黄檀、奥氏黄檀和微凹黄檀四种不同红酸枝木材的品种进行识别研究。首先,对光谱范围在400~1000nm以及900~1700nm采集到的红酸枝木的高光谱图像分别进行感兴趣区域选取;其次,运用SG平滑算法、SNV和MSC对感兴趣区域的光谱进行预处理,利用PCA、RC和SPA算法方法提取红酸枝木光谱的特征波长变量;然后,对光谱范围在400~1000nm的红酸枝木的高光谱图像进行特征波长图像和主成分图像下的纹理信息提取;最后,分别对全部光谱、特征波长光谱和纹理特征建立PLS-DA和ELM判别分析模型,通过比较不同光谱范围不同模型的识别结果,找出最优模型。实验结果表明,包含建模集和测试集在内的总共144个样本中,基于纹理特征建立的判别模型识别效果不理想,建模集和测试集的识别率均在85%以下,其中,主成分图像纹理特征建立的品种识别模型效果要好于特征波长图像建立的模型。但基于红酸枝木的光谱特征建立的识别模型中,光谱范围在400~1000nm的识别效果要好于光谱范围在900~1700nm建立的模型,采用SPA提取的特征波长信息建立的ELM模型,建模集和测试集的识别率最高,均达到97.92%以上。这说明,利用高光谱成像技术对交趾黄檀、巴里黄檀、奥氏黄檀和微凹黄檀进行品种识别是可行的。
【关键词】：高光谱成像 特征波长 红酸枝木材 无损判别
【学位授予单位】：浙江农林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 1 绪论8-13
• 1.1 研究背景8-9
• 1.2 国内外红酸枝品种识别的研究现状9-10
• 1.3 主要研究内容及技术10-12
• 1.3.1 研究的主要内容10-11
• 1.3.2 研究方法与技术路线11-12
• 1.4 本文章节安排12-13
• 2 高光谱成像技术的相关理论及实验材料13-25
• 2.1 高光谱成像数据采集系统13-15
• 2.1.1 高光谱成像技术的原理13
• 2.1.2 高光谱成像采集系统13-15
• 2.1.3 高光谱图像黑白校正15
• 2.2 实验材料15-16
• 2.3 Kennard-Stone算法选取建模集和测试集16
• 2.4 光谱数据预处理方法16-18
• 2.4.1 平滑处理17
• 2.4.2 标准正态变量变换17
• 2.4.3 多元散射校正17-18
• 2.5 样本的主成分定性分析18
• 2.6 特征波长提取方法18-20
• 2.6.1 主成分分析19
• 2.6.2 回归系数法19-20
• 2.6.3 连续投影法20
• 2.7 高光谱图像纹理特征提取方法20-23
• 2.7.1 特征波长图像纹理特征的提取21-23
• 2.7.2 主成分图像纹理特征的提取23
• 2.8 判别分析方法23-24
• 2.8.1 偏最小二乘判别分析23
• 2.8.2 极限学习机23-24
• 2.8.3 模型评价标准24
• 2.9 数据分析软件24
• 2.10 本章小结24-25
• 3 基于 400-1000 NM光谱范围的红酸枝木材品种识别25-39
• 3.1 红酸枝木材的光谱特征分析25-27
• 3.1.1 红酸枝木 400-1000NM的高光谱图像采集25
• 3.1.2 感兴趣区域提取和样本集划分25-26
• 3.1.3 全部样本的光谱特性分析26-27
• 3.2 红酸枝木材的主成分定性分析27-28
• 3.3 基于全部光谱数据的红酸枝木品种识别28-30
• 3.3.1 光谱预处理28-29
• 3.3.2 基于全部光谱数据的红酸枝木材品种识别29-30
• 3.4 基于特征波长的红酸枝木品种识别30-34
• 3.4.1 特征波长挑选30-34
• 3.4.2 基于特征波长建立红酸枝木品种判别模型34
• 3.5 基于高光谱图像纹理信息的红酸枝木品种识别34-38
• 3.5.1 特征波长图像红酸枝木纹理特征分析34-37
• 3.5.2 主成分图像红酸枝木纹理特征分析37-38
• 3.6 本章小结38-39
• 4 基于 900-1700 NM 光谱范围的红酸枝木材品种识别39-48
• 4.1 红酸枝木材的光谱特征分析39-41
• 4.1.1 红酸枝木 900-1700NM的高光谱图像采集39
• 4.1.2 感兴趣区域提取和样本集划分39-40
• 4.1.3 全部样本的光谱特性分析40-41
• 4.2 红酸枝木材的主成分定性分析41-42
• 4.3 基于全部光谱数据的红酸枝木品种识别42-43
• 4.3.1 光谱预处理42
• 4.3.2 基于全部光谱数据的红酸枝木材品种识别42-43
• 4.4 基于特征波长的红酸枝木品种识别43-47
• 4.4.1 特征波长挑选43-46
• 4.4.2 基于特征波长建立红酸枝木品种判别模型46-47
• 4.5 本章小结47-48
• 5 总结与展望48-50
• 5.1 总结48
• 5.2 展望48-50
• 参考文献50-53
• 致谢53

【相似文献】

中国期刊全文数据库 前10条

1 李庆利;薛永祺;王建宇;岳小强;;高光谱成像系统在中医舌诊中的应用研究[J];红外与毫米波学报;2006年06期

2 田有文;程怡;吴琼;牟鑫;;农产品病虫害高光谱成像无损检测的研究进展[J];激光与红外;2013年12期

3 徐爽;易东;;利用高光谱成像技术检测长枣表面虫伤[J];电子制作;2013年21期

4 高国龙;用高光谱成像荧光成像仪观察海底情况[J];红外;2003年05期

5 单佳佳;彭彦昆;王伟;李永玉;吴建虎;张雷蕾;;基于高光谱成像技术的苹果内外品质同时检测[J];农业机械学报;2011年03期

6 高国龙;;美国高光谱成像技术获资金支持[J];红外;2009年11期

7 蔡健荣;韩智义;;碧螺春茶叶的真伪鉴别技术——基于漫反射式高光谱成像技术[J];农机化研究;2013年04期

8 高国龙;;采用静态傅里叶变换光谱仪的星载高光谱成像技术[J];红外;2013年05期

9 孙梅;陈兴海;张恒;陈海霞;;高光谱成像技术的苹果品质无损检测[J];红外与激光工程;2014年04期

10 罗阳;何建国;贺晓光;王松磊;刘贵珊;;农产品无损检测中高光谱成像技术的应用研究[J];农机化研究;2013年06期

中国重要会议论文全文数据库 前7条

1 卢云龙;刘志刚;;高光谱成像技术及其在目标检测中的应用进展[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

2 马本学;应义斌;饶秀勤;;高光谱成像在水果表面缺陷及污染检测中的研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

3 何宝琨;;使用曲面棱镜的高光谱成像系统设计[A];中国空间科学学会空间探测专业委员会第二十六届全国空间探测学术研讨会会议论文集[C];2013年

4 孙向军;刘凯龙;赵志勇;李雪涛;;高光谱成像及仿真技术途径探索[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

5 颜昌翔;;星载高光谱成像及数据应用[A];第十届全国光电技术学术交流会论文集[C];2012年

6 肖功海;舒嵘;薛永祺;;显微成像光谱技术及其应用[A];成像光谱技术与应用研讨会论文集[C];2004年

7 赖建军;陈四海;陈坦;易新建;;基于MEMS微镜阵列的高光谱成像技术研究[A];中国宇航学会深空探测技术专业委员会第三届学术会议论文集[C];2006年

中国博士学位论文全文数据库 前9条

1 葛明锋;基于轻小型无人机的高光谱成像系统研究[D];中国科学院研究生院(上海技术物理研究所);2015年

2 何青;多类型高光谱成像集成系统的研制及其应用研究[D];暨南大学;2015年

3 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年

4 朱逢乐;基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D];浙江大学;2014年

5 马m，

本文编号：288281