基于圖像和光譜解析的小麥病害識別研究.pdf

1、農(nóng)作物病害一直是農(nóng)業(yè)生產(chǎn)的天敵，制約著糧食的增產(chǎn)。如何科學(xué)診斷農(nóng)作物病害嚴(yán)重度、準(zhǔn)確區(qū)分不同病害，是遙感技術(shù)農(nóng)業(yè)應(yīng)用的重要方向之一。成像高光譜遙感具有“圖譜合一”的數(shù)據(jù)優(yōu)勢，在作物病害遙感診斷機理及促進農(nóng)業(yè)遙感技術(shù)發(fā)展方面具有重要作用。本論文以小麥白粉病和條銹病為研究對象，在葉片和冠層尺度上識別病害以及建立相應(yīng)的區(qū)分模型，目的是為早期病害識別提供參考，為便攜式病害診斷儀器開發(fā)提供技術(shù)支持。已取得的主要研究結(jié)果如下:
　　1)利用3

2、nm的成像高光譜數(shù)據(jù)，研究小麥病害葉片的圖譜特征。以條銹病為例，得出概率分析中3×3窗口下的數(shù)據(jù)范圍紋理濾波和二階概率分析中3×3窗口下的相異性紋理濾波結(jié)果最好，細(xì)節(jié)特征最為明顯，能夠最好地反映染病區(qū)域的結(jié)構(gòu)特征，便于后續(xù)對條銹病和白粉病的圖像進行特征解析。選取健康葉片像元、輕度條銹病斑像元、重度條銹病病斑像元，輕度白粉病斑像元、重度白粉病斑像元各110個構(gòu)建特征空間:求取10個近紅外波段(706.2～712.1 nm)的光譜反射率的平

3、均值，作為Y軸;求取10個紅光波段(675.1～681.1 nm)的光譜反射率的平均值，作為X軸。用以對健康像元和輕度病害像元、健康像元和重度病害像元進行區(qū)分，研究結(jié)果顯示，較好地實現(xiàn)了病害嚴(yán)重度區(qū)分，但健康像元和輕度像元有一定的重合。
　　2)在葉片尺度上，利用主成分分析法對高光譜影像數(shù)據(jù)進行降維，通過密度分割法對病害面積進行分割;分析侵染白粉病和條銹病的葉片病斑區(qū)域的光譜特征差異，選擇第二主成分圖像篩選兩種病害的敏感波段，得到

4、識別白粉病的敏感波段為519nm，643 nm，696 nm，764 nm，795 nm和813nm，條銹病的敏感波段為494 nm，630 nm，637 nm，698 nm，755 nm和805 nm。最后以12個敏感波段對訓(xùn)練集的100個白粉病像元和100個條銹病像元樣本建立支持向量機(SVM)判別模型，用預(yù)測集的50個樣本進行判別驗證，兩種病害的區(qū)分精度達到92％。在葉片尺度較好實現(xiàn)了兩種病害的區(qū)分，為病害識別儀器的開發(fā)提供了重要

5、的數(shù)據(jù)支持。
　　3)在冠層尺度上，利用高光譜成像光譜儀SOC710-VP檢測田間不同背景地物對小麥白粉病診斷的影響。通過對比健康葉片、陰影葉片、染病葉片、麥穗的光譜響應(yīng)曲線，篩選得出23個病害敏感波段來區(qū)分不同背景地物?；诿舾胁ǘ斡嬎愕贸?個植被指數(shù)(VIs)和3個紅邊參數(shù);提取出40種判別特征確定不同背景地物和病害嚴(yán)重度。基于提取的判別特征，利用CART決策樹模型建立白粉病不同嚴(yán)重度識別模型，識別精度通過交叉驗證進行評估。研