基于高光谱数据的小麦赤霉病遥感监测

发布时间：2023-02-21 09:04

　　本文以小麦赤霉病作为研究对象,利用实地测量的成像高光谱数据和非成像高光谱数据对小麦籽粒、麦穗以及冠层三个尺度的病害展开研究,将特征变量作为分类算法的输入构建监测模型,为农业生产中小麦赤霉病病害的识别分类以及防治提供科学的指导。主要研究工作如下:(1)在籽粒尺度上,采用成像高光谱仪获取健康和染病的小麦籽粒高光谱数据作为研究对象,利用筛选敏感特征波段构建小麦籽粒赤霉病识别模型。首先,利用正交信号校正对原始数据进行预处理;其次,利用遗传算法结合偏最小二乘法筛选出8个敏感特征波段;最后,利用特征波段和全波段光谱数据作为模型的输入,分别建立基于支持向量机和随机森林的小麦籽粒赤霉病识别模型。其中,基于GA-PLS建立的模型在识别准确和模型运行时间上均优于基于全波段建立的识别模型,SVM模型的识别准确率略高于RF模型,但模型运行时间较长,RF模型的识别准确率略低于SVM模型,但模型运行时间较短,基于GA-PLS建立的SVM模型的样本预测准确率达到100%,结果最优。(2)在麦穗尺度上,采用成像高光谱仪采集不同病情严重度的小麦麦穗高光谱图像数据,利用光谱特征和图像特征融合构建小麦赤霉病病情严重度分类模...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 基于成像高光谱数据的病虫害遥感监测
        1.2.2 基于非成像高光谱数据的病虫害遥感监测
    1.3 本文研究内容
    1.4 论文结构
第二章 实验方案和数据的获取与预处理
    2.1 实验方案
        2.1.1 小麦籽粒赤霉病病害实验
        2.1.2 小麦麦穗赤霉病病害实验
        2.1.3 小麦冠层赤霉病病害实验
    2.2 成像高光谱数据的获取及预处理
        2.2.1 数据获取
        2.2.2 数据预处理
    2.3 非成像高光谱和实地调查数据的获取
        2.3.1 光谱数据获取
        2.3.2 病情严重度的调查
第三章 基于GA-PLS波段提取的高光谱小麦籽粒赤霉病识别
    3.1 引言
    3.2 研究方法
        3.2.1 正交信号校正法
        3.2.2 GA-PLS算法
        3.2.3 支持向量机原理
        3.2.4 随机森林原理
    3.3 健康和染病小麦籽粒光谱特征
    3.4 基于GA-PLS算法特征波段提取
    3.5 病害识别模型的构建
    3.6 本章小结
第四章 基于图像和光谱特征融合的小麦麦穗赤霉病病情严重度分类研究
    4.1 引言
    4.2 病情严重度的计算
        4.2.1 病斑分割
        4.2.2 病情严重度划分
    4.3 研究方法
        4.3.1 连续投影算法
        4.3.2 灰度共生矩阵
        4.3.3 颜色矩
        4.3.4 PSOSVM原理
    4.4 不同病情严重度麦穗的光谱特征
    4.5 特征变量提取
        4.5.1 光谱特征提取
        4.5.2 纹理特征提取
        4.5.3 颜色特征提取
    4.6 特征变量的筛选
    4.7 基于PSOSVM模型分类结果与分析
    4.8 本章小结
第五章 基于不同特征变量筛选方法的小麦冠层赤霉病遥感监测
    5.1 引言
    5.2 研究方法
        5.2.1 随机蛙跳
        5.2.2 竞争性自适应重加权采样法
        5.2.3 变量组合集群分析法
    5.3 健康和染病的小麦冠层光谱特征
    5.4 不同特征变量筛选方法结果
    5.5 小麦赤霉病冠层遥感监测模型的结果和分析
    5.6 本章小结
第六章 总结与展望
    6.1 研究内容总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间研究成果



本文编号：3747470