基于高光譜成像的植物葉部病害圖像處理算法與實驗研究.pdf

1、植物病蟲害嚴重影響著植物產量，成為植物實現高質高產目標路上的桎梏。及早掌握病蟲害的發(fā)展狀況，就能更有效的減少病蟲害對農業(yè)生產造成的經濟損失。
　　現階段我國農業(yè)生產中主要依賴植物保護專家目測病斑來主觀判斷植物所遭受病害種類及其程度，難以對植物病況做出客觀、量化的描述，并存在嚴重滯后性，造成的直接后果是延誤病蟲害準確預報的時效性，從而給農業(yè)生產帶來經濟損失。為了更客觀高效地評價病害的嚴重程度，相關學者將數字圖像處理技術應用到植物葉片

2、病斑圖像信息的提取與處理中。
　　當前對植物病斑圖像提取研究多使用彩色照片，但其有限的光譜信息限制了提取病害區(qū)域時可用的光譜特征，存在一定的局限性。高光譜遙感（成像遙感）充分利用電磁波譜的紫外、可見光、近紅外和中紅外區(qū)域中眾多連續(xù)光譜的圖像數據，充分利用圖像光譜信息來對植物葉片病斑進行分析處理。
　　基于此，本文綜合現有各項研究成果，以病害葉片與病斑分割問題作為切入點，選取某一植物葉片為研究對象，系統(tǒng)分析了植物葉部病害圖像，

3、建立了植物葉部病害提取系統(tǒng)。同時對提取的植物病害部分進行紋理分析，構建植物病斑葉片可視化分布圖，為后期植物葉片病斑的識別和大規(guī)模遙感監(jiān)測奠定基礎。
　　本文的主要工作有以下四項：
　?。?）分別采用光譜角、最小距離、馬氏距離和最大似然算法提取病害區(qū)域，并對提取結果進行精度評價，通過實驗對比，馬氏距離的分類算法最好。但由于同物異譜和同譜異物現象的存在，基于光譜特征的分割算法會產生錯誤的分類，為了進一步提高分割的準確率，提出了結