收藏本站
《塔里木大学》 2017年
加入收藏

基于高光谱技术的南疆红枣图像的识别与分类方法的研究

孔维楠  
【摘要】:红枣作为新疆的可食用作物,同时也是重要的经济作物,它不仅含有丰富的营养,还在医学上有一定的应用价值,因此受到广大消费群体的喜爱。在生产加工前首先要进行红枣外部品质的检测,因此对于生产与加工后的红枣品质来说,红枣的外部品质检测尤为的重要。为实现南疆红枣多目标外观品质检测及南疆枣园红枣的精细化研究。本论文利用反射吸收特征峰特征波段对室内不同角度采集条件与户外不同角度采集条件进行了实验研究,利用高光谱图像信息识别病变红枣并对病变红枣与包含枝干的枣园中的红枣(掉落与未掉落红枣)的高光谱图像进行了识别分类的硏究,具体的内容如下:(1)首先分析室内正常红枣四个反射吸收特征峰波段,经过分析应用989nm与1443nm做波段比得到多目标红枣识别图像,为减少室内采集时杂散光的干扰对室内不同角度的入射光源所采集的反射光谱(30度、45度、60度)根据室内红枣的四个明显反射吸收峰的反射值进行平均差值分析,得出入射光源为60度(与水平面夹角)的反射平均值最大为0.074638,获取的信息也是最多的,是比较适合的角度,说明入射光角度不同反射光谱会有一定差异。最后利用高光谱图像技术采集病变红枣高光谱图像信息,对病变红枣高光谱原始图像进行黑白校正,分别采用主成分分析、特征波段比和HSV颜色空间变换三种图像增强方法,三种增强后的图像应用支持向量机对病变区域进行分类与精度分析评价,最后基于主成分析的图像分类精度最高,其总精度为99.115%,Kappa系数为0.9879,并对120个病变红枣进行主成分分析并分类验证得出病变红枣的病变区域能够被识别并且分类平均总精度为97.2%,Kappa系数为0.96,说明主成分分析法为病变红枣的最佳图像增强方法,可实现高光谱图像技术对病变红枣的多目标识别与分类并计算出病变区域面积。(2)为减少户外采集时杂散光的干扰,运用本实验室设计的偏振二向性测量仪器模拟户外条件对不同角度(0度、10度、20度、30度)采集的反射信息进行平均反射差值分析,得出0度角(垂直于红枣的角度)获取的反射信息量最多,是较适合的采集角度,说明不同角度采集的反射信息,反射信息也会有一定差异。在户外枣园应用高光谱相机采集不同角度(0度、10度、20度、30度)的红枣反射光谱,根据四个明显反射吸收峰939nm、1130nm、1368nm、1718nm的反射差值进行分析得出0度的(相机水平平行于地面)平均反射差值最大达到0.3715,对比室内模拟多角度实验优选出较适合的户外采集角度,说明在户外0度的采集角度是比较合适的。提出了对枣园高光谱图像应用明显吸收峰的1130nm、1368nm的特征波段比图像,NDVI图像和1718nm的单波段图像构建RGB伪彩色图像,将红枣从背景中分离凸显红枣的特征信息,选取户外枣园红枣光谱以此建立户外枣园红枣光谱数据库。利用户外高光谱设备采集枣园红枣高光谱图像信息,首先对黑白校正后的图像构建伪彩色确定图像分类类别,分类类别为红枣、枝干、土地、背景。确定类别后应用归一化植被指数(NDVI)法、独立主成分分析法、MNF最小噪声分离法、主成分分析法四种方法进行图像增强处理,通过对比采集光谱图像时的真实观测,确定主成分分析为最优图像增强处理方法,然后对主成分增强后的枣园红枣高光谱图像进行监督分类的支持向量机、BP人工神经网络、最大似然、最小距离、马氏距离、平行六面体、光谱填图的七种分类方法对图像进行分类并进行精度分析与评价,最后确定分类总精度为99.668%,Kappa系数为0.9937的基于主成分分析的支持向量机为户外枣园红枣高光谱图像识别与分类的最佳方法,可实现对大面积枣园红枣的识别与分类。
【关键词】:不同采集角度 病变红枣 枣园红枣 图像增强 监督分类 精度分析与评价
【学位授予单位】:塔里木大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41;S665.1
【目录】:
  • 摘要3-5
  • Abstract5-10
  • 第1章 绪论10-22
  • 1.1 研究目的和意义10-12
  • 1.2 国内外的研究现状12-16
  • 1.2.1 国内研究现状12-14
  • 1.2.2 国外研究现状14-16
  • 1.3 高光谱图像技术概述16-18
  • 1.3.1 高光谱图像技术的基本原理17
  • 1.3.2 高光谱图像技术无损检测的特点17-18
  • 1.4 研究目标及内容18-20
  • 1.4.1 研究目标18-19
  • 1.4.2 研究内容19-20
  • 1.5 技术路线20-21
  • 1.6 本章小结21-22
  • 第2章 实验材料、设备与方法22-33
  • 2.1 实验材料22
  • 2.2 实验设备22-24
  • 2.2.1 高光谱成像系统硬件平台22-23
  • 2.2.2 高光谱成像系统软件平台23-24
  • 2.3 实验设计方法24-32
  • 2.3.1 高光谱图像处理的方法25-26
  • 2.3.2 高光谱图像的分类方法26-31
  • 2.3.3 分类后处理31-32
  • 2.4 本章小结32-33
  • 第3章 室内红枣高光谱图像处理33-43
  • 3.1 高光谱多目标红枣采集与分析33-34
  • 3.2 室内对角度采集分析34-35
  • 3.3 病变红枣光谱数据的采集35-36
  • 3.4 图像数据的处理与分析36-42
  • 3.4.1 主成分分析36-37
  • 3.4.2 波段比分析37
  • 3.4.3 HSV颜色空间变换37-38
  • 3.4.4 基于支持向量机的图像分类及精度分析与评价38-42
  • 3.5 本章小结42-43
  • 第4章 户外枣园高光谱实验43-53
  • 4.1 模拟户外采集多角度实验43-44
  • 4.2 户外不同采集角度的对比分析44-45
  • 4.3 户外枣园红枣光谱数据库的建立45-46
  • 4.4 图像增强研究46-48
  • 4.4.1 伪彩色图像46-47
  • 4.4.2 归一化植被指数法(NDVI)47
  • 4.4.3 独立主成分分析法47
  • 4.4.4 MNF最小噪声分离法47-48
  • 4.4.5 主成分分析法48
  • 4.5 基于高光谱图像的监督分类48-52
  • 4.5.1 BP人工神经网络分类48-49
  • 4.5.2 支持向量机分类49-50
  • 4.5.3 最小距离法分类50
  • 4.5.4 马氏距离法分类50
  • 4.5.5 端元收集光谱角填图法(SAM)分类50-51
  • 4.5.6 平行六面体法分类51
  • 4.5.7 最大似然法分类51-52
  • 4.6 本章小结52-53
  • 第5章 高光谱图像分类的精度分析与评价53-60
  • 5.1 高光谱图像监督分类方法的精度分析53-58
  • 5.1.1 支持向量机分类精度分析53-54
  • 5.1.2 最大似然分类分类精度分析54
  • 5.1.3 最小距离分类分类精度分析54-55
  • 5.1.4 端元收集光谱角填图法(SAM)分类精度分析55-56
  • 5.1.5 BP人工神经网络分类精度分析56
  • 5.1.6 马氏距离分类精度分析56-57
  • 5.1.7 平行六面体分类精度分析57-58
  • 5.2 精度对比与评价58-59
  • 5.3 本章小结59-60
  • 第6章 结论与展望60-63
  • 参考文献63-67
  • 致谢67-68
  • 个人简历68-69

【相似文献】
中国期刊全文数据库 前5条
1 袁楚樵;;微机图像快速显示的方法研究[J];烟草科技;1993年05期
2 李东根;利用微机的卫星遥感图像处理系统[J];林业资源管理;1989年04期
3 史国滨;王熙;;农作物图像及温湿度无线远程监测系统设计[J];农机化研究;2011年04期
4 傅星,卢汉清,罗曼丽,曹伟,于兴华;应用计算机进行植物自动分类的初步研究[J];生态学杂志;1994年02期
5 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 李艳君;李岩成;;GE9800 CT显示屏无图像的检修[A];第十二届全国临床医学影像学术会议、第四届东北三省放射学术会议论文汇编[C];2002年
2 安贝贝;曾理;马睿;;工业CT图像裂纹的两种测量方法研究与比较[A];2006年西南地区第九届NDT学术年会暨2006年全国射线检测新技术研讨会论文集[C];2006年
3 尹光辉;易仕和;何霖;王春;姜宗林;;二维凹腔在超声速流场中流动图像的初步实验研究[A];第十三届全国激波与激波管学术会议论文集[C];2008年
4 杜高明;张多利;高明伦;耿罗锋;候宁;;多核并行图像显示接口设计[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
5 周琪;刘晓利;;图像导引头检测装置设计[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年
6 张俊;徐星雄;顾亚平;曹学高;;图像声纳在锅炉煤渣探测中的研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 杨振传;;数字减影血管造影设备的使用与维护[A];中华医学会医学工程学分会第二次医学影像设备应用技术研讨会论文集[C];2001年
8 李万龙;邹宽城;郑山红;侯秀萍;;PACS系统及应用研究[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集(上)[C];2002年
9 董秀珍;付峰;史学涛;尤富生;刘锐岗;;实时动态电阻抗图像监护技术初步研究[A];第十届中国科协年会论文集(三)[C];2008年
10 张东升;;Windows系统下图像颜色管理的实现[A];中国新闻技术工作者联合会五届一次理事会暨学术年会论文集(上篇)[C];2009年
中国重要报纸全文数据库 前10条
1 阿胜 编译;相信你的直觉[N];医药经济报;2009年
2 辽宁 凌丽;调整彩电两个“中周”的基本经验[N];电子报;2008年
3 中国人民解放军总医院 刘海一;PACS众口难调[N];计算机世界;2003年
4 电脑虎;给你的MM美美容[N];中国电脑教育报;2004年
5 记者 逸舟/北京;美光预测 CMOS将取代CCD技术[N];电子资讯时报;2004年
6 山东省立医院 张喜雨 山东省医学影像学研究所 王卫鹏;让医疗资源不再有城乡差异[N];计算机世界;2005年
7 山东 李金成;长虹LT2012型液晶彩电故障检修一例[N];电子报;2009年
8 安徽 云飞;VB中图像显示特效五例[N];电脑报;2001年
9 ;图像、色彩表现真不错[N];中国计算机报;2002年
10 特约撰稿人 Solon;打造个性化BIOS[N];电脑报;2001年
中国博士学位论文全文数据库 前8条
1 闫雪虎;渐进式图像秘密分享关键技术研究[D];哈尔滨工业大学;2015年
2 宋显华;量子图像安全关键技术研究[D];哈尔滨工业大学;2015年
3 滕琳;混沌理论在忆阻器电路及图像安全中的应用研究[D];大连理工大学;2016年
4 苏红宏;高温复杂环境下材料力学行为的理论与试验研究[D];重庆大学;2016年
5 李鹏;图像秘密共享方法研究[D];哈尔滨工业大学;2012年
6 侯刚;基于内容的图像检索中特征表示与检索策略研究[D];吉林大学;2014年
7 许向阳;乳腺钼靶图像中肿块检测方法研究[D];华中科技大学;2010年
8 贾嫚;唐代长安乐舞图像编年与研究[D];西安美术学院;2012年
中国硕士学位论文全文数据库 前10条
1 刘宇辰;视觉四轮定位标定系统的设计与实现[D];辽宁大学;2015年
2 刘馨;监控视频中的图像颜色评价与优化[D];浙江大学;2015年
3 李玉艳;摆镜在NVST图像稳定控制系统中的应用研究[D];中国科学院研究生院(云南天文台);2015年
4 杨继林;多核DSP应用系统的FPGA设计与FMT算法实现[D];西安电子科技大学;2015年
5 苏斌;面向社交网络隐私保护的图像感知Hash研究[D];合肥工业大学;2015年
6 杜宇亮;主题模型与眼动分析在场景分类中的研究及应用[D];上海交通大学;2015年
7 刘瑜瀚;基于非负张量分解的医学图像的数据融合方法研究[D];电子科技大学;2015年
8 王敬轩;基于GPU加速的图像颜色编辑研究与实现[D];浙江大学;2016年
9 朱环宇;可见光双层成像通信技术研究与应用[D];解放军信息工程大学;2015年
10 汝兴海;图像数据高速传输和数据存储的关键技术研究与实现[D];中北大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026