马尾松毛虫危害下的马尾松纹理特征分析   总被引：1，自引：0，他引：1  

《江西农业大学学报》2015,(4)

以福建省沙县为研究区,以地面调查数据为辅助,应用Landsat 8 OLI多光谱遥感数据提取健康、轻度、中度与重度4个虫害等级危害下的马尾松纹理特征,借助空间距离法、相关系数法、光谱角制图法分别建立虫害等级区分标准,定量描述4种虫害等级下的马尾松纹理特征,对比不同分析结果,挖掘松毛虫危害下的林分纹理特征响应机制。结果表明:(1)利用单因素方差分析法选定Mea1、Mea4、Mea7等3个纹理特征量作为具显著性差异纹理量进行纹理特征分析;(2)对比3种方法的区分精度大小:相关系数法(80.0%)光谱角制图法(75.0%)空间距离法(60.0%),对比准确率大小:相关系数法(91.2%)=光谱角制图法(91.2%)空间距离法(85.0%);(3)通过构建具显著性差异纹理量可以较有效地提取马尾松毛虫害信息;虫害等级跨度越大,基于纹理特征提取马尾松信息效果越好。  相似文献   

基于光谱反射率的塞威氏苹果虫害等级定量化测评     

罗青青  黄铁成  陈蜀江  陈孟禹  贾翔  朱选  来风兵  武红敢  赵文霞  李春蕾  姚艳霞 《江苏农业学报》2019,35(4)

利用光谱技术分析了小吉丁虫危害不同等级的塞威氏苹果的反射光谱特征,并用光谱数据针对塞威氏苹果树的虫害进行定量化分析。用新疆维吾尔自治区伊犁哈萨克自治州巩留县野果林实测60条不同虫害等级的塞威氏苹果高光谱数据,分析健康、轻度、中度、重度4个虫害等级光谱反射率及一阶微分光谱特征,建立了红边参数,并在6个检验参数的基础上,构建了虫害等级的检测模型,并用验证组数据对模型进行精度检验。结果表明:(1)健康状态下的塞威氏苹果光谱反射率较受虫害塞威氏苹果光谱反射率高,受害程度越严重,反射率越低。(2)受虫害塞威氏苹果光谱特征表现为"绿峰"红移;"红边位置"蓝移,尤其是受重度虫害的极为明显;近红外反射峰向短波方向移动。(3)红边比值植被指数(RERVI)、红遍斜率(RES)、红边差值植被指数(REDVI)、红边面积(REA)这4个参数与虫害等级呈极显著相关关系,红边归一化植被指数(RENDVI)及红边位置(REP)与虫害等级相关性不强。(4)以RERVI、RES、REDVI、REA这4个参数为自变量构成的多元回归模型的检测精度与准确度均为0.7以上。因此,通过相关参数及模型可以有效检测小吉丁虫害等级。  相似文献   

基于高光谱成像技术的生菜叶片水分检测研究   总被引：1，自引：0，他引：1  

张晓东  毛罕平  周莹  左志宇  高洪燕 《安徽农业科学》2011,39(33):20329-20331,20714

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。  相似文献   

基于主成分回归法的稻飞虱百穴虫量冠层光谱检测     

王新忠  李大鹏 《安徽农业科学》2010,38(23):12695-12696

[目的]针对水稻虫害发生程度预警和田间稻飞虱虫害动态监测问题,采用光谱检测技术,运用主成分回归法建立稻飞虱百穴虫量检测模型。[方法]使用FieldSpec3光谱仪在稻田采集冠层光谱数据,同步检测地块稻飞虱百穴虫量,样本量为71个,其中51个样本为校正集,20个样本为预测集。建模波段选择350～1139nm,对原始光谱进行一阶微分处理。[结果]测量值与预测值的相关系数为0.78,预测标准偏差为161头。[结论]光谱检测可用于稻飞虱测报工作。  相似文献   

基于高光谱成像的苹果果梗完整性识别方法研究     

田有文  赖兴涛  张芳  石瑞瑶  古文君  王文森 《沈阳农业大学学报》2018,(2)

为了实现对苹果品质的等级评价,对果梗的完整性进行检测是必不可少的。选取了苹果样本260个,其中果梗完整果104个、果梗不完整果92个、没有果梗果64个。利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法(stepwise multiple linear regression,SMLR)从全波段(450~970nm)提取了5个特征波长(594.78,572.08,599.84,626.48,666nm),采用连续投影算法(successive projections algorithm,SPA)从全波段(450~970nm)提取了7个特征波长(467.5,672.4,695.4,730.2,840.4,952.6,969.6nm)。然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征。将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机(support vector machine,SVM)、BP人工神经网络(BP artificial neural network,BPANN)对苹果果梗完整性进行识别,使用交叉验证的方法进行5组交叉验证,每一组分别从训练集和验证集中拿出30个进行互换,将5组验证集正确率的平均值作为评价指标,并且对比分析结果。结果表明:单独使用纹理特征作为输入矢量,果梗识别效果不佳,SVM模型正确率为50.3%,BPANN模型正确率为37.2%。融合光谱特征和纹理特征作为输入矢量识别效果一般,SPA-T-SVM模型正确率为86.6%,SPA-T-BPANN模型正确率为80.3%,SMLR-T-SVM模型正确率为77.2%,SMLR-T-BPANN模型正确率为74.9%。只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小。该研究为苹果品质等级评价提供了理论依据。  相似文献   

基于光谱反射率的果树病虫害级别定量化测评——以红富士苹果树黄叶病害、红蜘蛛虫害为例     

邢东兴  常庆瑞 《西北农林科技大学学报(自然科学版)》2009,(11):143-148,155

【目的】分析红富士苹果树分别在各级红蜘蛛虫害、黄叶病害胁迫下的反射光谱特征,并利用光谱数据对果树受害程度进行定量化测评。【方法】于2007年6～7月,在陕西省礼泉县测定了患有各级红蜘蛛虫害、黄叶病害果树的光谱反射率,将正常、轻度、中度、重度受害果树的光谱反射率分别记为R正常、R轻度、R中度、R重度。首先,在对光谱数据进行预处理和一阶微分变换的基础上,对各级红蜘蛛虫害、黄叶病害胁迫下果树的光谱特征分别进行分析;随后,基于各级红蜘蛛虫害、黄叶病害对应的光谱特征,分别构造了6种光谱指数,并从中择优建立对红蜘蛛虫害、黄叶病害级别进行测评的数学模型;最后,利用检验样本果树的反射光谱分别对所建立的红蜘蛛虫害、黄叶病害级别测评模型的精度进行检验。【结果】各级红蜘蛛虫害对应的反射光谱在630～695nm,R重度>R中度>R轻度>R正常,且在684nm处变异系数最大;在730～950nm,R重度R中度>R轻度>R正常,且在603nm处变异系数最大;在740～950nm,R重度相似文献   

基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究     

《西南林业大学学报》2019,(5)

以福建沙县为研究区,融合SPOT-5多光谱影像与全色影像,基于灰度共生矩阵法提取纹理量,与光谱波段组合,采用支持向量机分类方法提取虫害信息,探讨纹理特征对于虫害监测信息提取精度的影响。结果表明:结合多尺度纹理与光谱特征的支持向量机分类方法,其虫害信息提取总精度最高,为80.48%;结合单尺度纹理与光谱特征的支持向量机分类器方法,其虫害信息提取总精度次之,为78.81%;基于光谱特征的最大似然法,其虫害信息提取总精度最低,为70.48%。结合多尺度纹理与光谱特征的支持向量机分类器方法,其图面表现也较好,减少了图面的细碎斑点。因此,提取多尺度纹理与光谱特征结合,丰富了图像信息量,有助于提高虫害信息的提取精度。  相似文献   

基于高光谱成像的玉米螟无损检测最优波段的选取     

《沈阳农业大学学报》2015,(6)

为解决玉米茎秆虫害早期无损检测问题,以提供玉米虫害预测预警与精确喷药理论依据,利用高光谱成像技术,提出了分段混合距离方法,明确玉米茎杆玉米螟虫害无损检测的最优波段,提取单波段特征图像,分割虫孔,以实现对玉米螟的快速、准确、无损检测。首先通过对玉米茎杆高光谱图像的分析,根据玉米茎杆高光谱图像的玉米茎秆区域与背景区域各个波段的光谱反射率的差异,选取450nm的图像,利用阈值分割的方法,获得掩模图像。然后根据可见光波段530~600nm范围和近红外波段750~900 nm范围光谱相关性小的特点,应用混合距离作为测量参数,筛选最佳单波段、双波段组合,最终确定754.8 nm波段为最优波段。提取该波段的图像为特征图像,采用阈值分割与数学形态学方法对玉米螟虫孔进行分割,从而检测出玉米螟虫孔区域,判定玉米茎秆是否存在虫害。结果表明:通过对测试集和验证集中60个玉米螟玉米茎杆和40个正常玉米茎杆的检测分析,得出玉米螟的检测正确率为100%,正常玉米茎的检测正确率为90%,整体检测正确率为96%。说明所获得的最优波段可为开发玉米茎虫害多光谱成像检测仪提供参考。  相似文献   

基于光谱反射率的果树病虫害级别定量化测评   总被引：2，自引：0，他引：2  

邢东兴  常庆瑞 《西北农林科技大学学报(自然科学版)》2009,37(11):143-148

【目的】 分析红富士苹果树分别在各级红蜘蛛虫害、黄叶病害胁迫下的反射光谱特征,并利用光谱数据对果树受害程度进行定量化测评。【方法】 于2007年6~7月,在陕西省礼泉县测定了患有各级红蜘蛛虫害、黄叶病害果树的光谱反射率,将正常、轻度、中度、重度受害果树的光谱反射率分别记为R_正常、R_轻度、R_中度、R_重度。首先,在对光谱数据进行预处理和一阶微分变换的基础上,对各级红蜘蛛虫害、黄叶病害胁迫下果树的光谱特征分别进行分析;随后,基于各级红蜘蛛虫害、黄叶病害对应的光谱特征,分别构造了6种光谱指数,并从中择优建立对红蜘蛛虫害、黄叶病害级别进行测评的数学模型;最后,利用检验样本果树的反射光谱分别对所建立的红蜘蛛虫害、黄叶病害级别测评模型的精度进行检验。【结果】 各级红蜘蛛虫害对应的反射光谱在630～695 nm,R_重度＞R_中度＞R_轻度＞R_正常,且在684 nm处变异系数最大;在730～950 nm,R_重度＜R_中度＜R_轻度＜R_正常,且在762 nm处变异系数最大。各级黄叶病害对应的反射光谱在515～716 nm,R_重度＞R_中度＞R_轻度＞R_正常,且在603 nm处变异系数最大;在740～950 nm,R_重度＜R_中度＜R_轻度＜R_正常,且在764 nm处变异系数最大。果树反射光谱的“红边”位置随虫害、病害程度的加重而依次发生“蓝移”。建立的红蜘蛛虫害、黄叶病害级别测评模型对相应虫害、病害级别的测评准确率分别为96%,98%。【结论】 各级红蜘蛛虫害、黄叶病害胁迫下的红富士苹果树的反射光谱差异较大,利用光谱数据可精确地对各级红蜘蛛虫害、黄叶病害级别进行定量化测评。  相似文献   

基于高光谱成像技术的茄子叶片灰霉病早期检测   总被引：2，自引：0，他引：2  

冯雷  张德荣  陈双双  冯斌  谢传奇  陈佑源  何勇 《浙江大学学报(农业与生命科学版)》2012,(3):311-317

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.  相似文献