加工番茄早疫病高光谱遥感识别研究

为了快速监测加工番茄早疫病发病率和加工番茄的产量和质量,防止病虫害的扩大,该文基于高光谱遥感数据和田间早疫病调查数据,以新疆天山北坡典型加工番茄种植区为研究区,分析加工番茄早疫病的病叶光谱响应特征,寻找早疫病的敏感波段,再利用遗传算法优化支持向量机的惩罚参数c和核函数参数g,对不同病害严重度的病叶进行识别。结果表明:不同病害严重度加工番茄早疫病病叶的敏感波段为628nm~643nm和689nm~692nm;遗传优化算法得出支持向量机最佳惩罚参数c为0.129,核函数参数g为3.479;分别利用多项式核、径向基核函数、Sigmoid核进行分类训练和测试,最佳分类模型为径向基核函数模型,训练准确率为84.615%,预测准确率为80.681%,高于默认参数c和g的支持向量机模型。说明通过遗传算法优化支持向量机的识别方法具有更高的精度,支持向量机为多波段协同识别病害严重度提供了新的思路。     

利用高光谱植被指数估算棉花干物质积累的模型研究

利用高光谱仪,对新疆棉花（2个品种4种配制方式）生物量和高光谱数据进行分析,经过多元统计分析与光谱微分处理,建立了基于比值植被指数（RVI）和归一化植被指数（NDVI）的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平（a=1％,n=16）。基于RVI与NDVI构建的估测模型,后者比前者有更高的估测精度,指数函数、对数函数和双曲线函数的模型可以产生较高的估测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在756nm（r=-0．6749,n=16）,由756nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。     

加工番茄早疫病病叶色素含量高光谱估测

早疫病对加工番茄的产量和品质有较为严重的影响。通过测定不同生育期自然发病的加工番茄早疫病病叶色素含量,把病片原始光谱反射率、一阶微分光谱反射率的光谱特征参数与相应病叶色素含量进行相关分析,采用线性和非线性单变量回归技术,建立色素含量估测模型并检验。研究结果表明:在传统的光谱特征参数和新建光谱特征参数中,R680、CCII、PSSR、PSNDc、FD664、DVI[FD686,FD664]为色素含量敏感光谱特征参数;R680、CCII、DVI[FD686,FD664]的线性单变量估测精度比较高;R680为变量的对数模型是估测Chl.a的最佳模型,DVI[FD686,FD664]为变量的对数模型是估测Chl.b和Chl.a+b的最佳模型。通过光谱响应特征对加工番茄早疫病病叶色素含量进行监测,能够为加工番茄早疫病监测预警和防治提供决策依据。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

高光谱遥感城市植被胁迫监测研究

开发有效的城市植被胁迫监测方法对于林业资源管理和营造良好的城市生态环境具有重要意义。采用EO-1卫星过境广州市东边建成区所采集的Hyperion高光谱影像,通过选取合适的植被指数进行分类,以及混合像元分解获得植被丰度这两种方法进行植被胁迫的识别,对比两者实验结果表明:在植被信息提取中植被丰度的方法要比指数法可靠且精度高;通过地面光谱测量,说明基于植被光谱理论的丰度分析能更好地表示植被胁迫的特征,为城市林业管理提供定性和定量的研究应用。     

基于植被指数融合的冬小麦生物量反演研究

作物群体生物量是形成产量的物质基础,遥感技术是高效、客观监测作物地上生物量的重要手段,对农业生产管理具有重要意义.以安徽省龙亢农场为研究区,通过PROS AIL模拟光谱分析了 4个LAI相关的可见光-近红外植被指数、2个叶片干物质相关的短波红外植被指数和8个融合植被指数与冬小麦地上生物量的关系,并建立反演模型.模拟结果...     

东北主要绿化树种叶面积指数(LAI)高光谱估算模型研究

以东北主要绿化树种为研究对象,分别在长春市南湖公园和长春公园获取了共240组树冠高光谱反射率及相应的LAI数据。对数据进行相关分析,以确定反演LAI的敏感波段,而后分别运用6种植被指数、神经网络以及小波分析等3种方法进行估算。研究结果表明,3种方法估算树冠LAI都取得了较好的效果:①与RVI、NDVI相比,由DVI、RDVI、MSAVI、TVI等植被指数建立的估算模型可以提高LAI的估算精度;②神经网络在拟合光谱反射率与树冠LAI关系时明显优于植被指数法(R2达0.850);③小波能量系数与LAI相关性较好,单变量回归分析R2可达0.683,部分小波能量系数估算LAI的精度优于植被指数法,并且验证R2也较高,说明其稳定性较好,多元变量回归分析能够实现各小波能量系数间的优势互补,R2可达0.794。     

基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下,以吉林省德惠市夏家店镇为研究区,探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径,并利用NDVI和LAI对该区2000年和2001年的水稻生长状况进行了分析研究。     

膜下滴灌条件下加工番茄施肥推荐与决策支持系统的建立

以新疆兵团农八师143团为例,针对土壤信息数据在农业生产中的重要作用,综合应用作物平衡施肥原理、数据库技术、Delphi技术,依据区域土壤肥力、质地类型,番茄需肥特点等众多特点,以条田为操作单元,建立了集土壤养分管理、专家施肥推荐、SQL信息查询等功能于一体的膜下滴灌条件下加工番茄施肥推荐与决策支持决策系统。     

新疆棉花LAI和叶绿素密度的高光谱估算研究

利用非成像高光谱仪,对棉花(2品种4水平种植密度)冠层5个关键生育时期进行光谱测定,分析棉花反射光谱及微分光谱生育期的变化规律,并对棉花冠层叶面积指数(LAI)、叶绿素密度(CH.D)与光谱数据进行回归分析,结果表明,用归一化差值植被指数(NDVI)与LAI建立的对数模型能够较好地估测棉花冠层的LAI(r=0.9123**,n=20);近红外729 nm波段处一阶微分光谱数值与CH.D高度相关(r=0.9372**,n=20),用此波段建立的CH.D估算模型,精度达84.3%,标准差为0.234g.m-2,RMSE=0.1569。研究表明,可以用高光谱数据对新疆棉花冠层LAI和CH.D进行遥感估算。     

基于图像处理和模式识别的网络图像监控系统

随着科学技术和生活水平不断的提高,人们的财产和人身安全问题已经不仅仅来自于传统的经验,而是逐渐的转变到虚拟的网络当中;为此,提高人们的隐私安全和财产安全需要加强网络监控,其中图像监控是较为主要的方面;加强图像监控的可靠性和实时性,是实现社会稳步发展和人民网络隐私安全的首要目标;应用计算机网络技术和现代化通讯技术相结合,综合图像处理技术和模式识别技术的应用,设计应用于网络图像监控系统是当前社会发展的安全技术保障之一;文章通过对图像监控进行简析,阐述图像处理技术和模式识别技术的相关方面,探讨研究网络图像监控中图像识别和处理方面的技术;通过对图像处理中的色彩均化和模糊识别实验,得出其对于网络中传播的图片辨识度和提取信息能力具有很高的发展。     

一种基于自适应预测的高光谱图像近无损压缩方法*

提出一种高光谱图像的近无损压缩方法.首先使用三维自适应预测有效地去除高光谱图像的空间和谱间相关性;然后对预测误差进行量化,以进一步降低编码率.实验结果表明,该方法能在控制重建误差的前提下显著地降低了比特率.     

基于逐像素递归处理的高光谱实时亚像元目标检测

亚像元目标检测是高光谱图像应用的关键技术。由于高光谱数据的高维度增加了存储空间和数据处理的复杂度,实时处理成为了目标检测面临的重要问题。自适应匹配滤波算法(AMF)是一种有效的亚像元目标检测算法。在基于Woodbury引理实现以逐像素排列格式传输和存储的高光谱数据协方差矩阵实时求逆的基础上,以AMF为高光谱图像亚像元目标检测算法,推导出了基于逐像素递归处理的高光谱图像实时AMF目标检测流程。通过仿真数据和真实高光谱图像实验证明,相比于非实时AMF,实时AMF只需少量的存储空间便可得到同样甚至更高的检测精度 。     

基于Web的制丝在线监控系统设计与实现

针对制丝生产线工序流程复杂,需要监控的工艺指标多,为提高监控的全面性和准确度,减少生产中由于质量缺陷带来的损失,采用Web技术对每一道工序的工艺指标进行在线监控和超限提醒。通过Web网页实时访问制丝生产数据采集系统,获得各项工序段的生产数据,监控网页将获得的数据生成相应的趋势图,同时监控工艺指标是否满足设定值,并通过语音对监控人员进行提醒。结果表明,监控人员可以在一个Web网页上浏览所有工序的实时生产状况,当制丝生产出现异常,听到语音提示后能迅速确定异常工序段,及时避免质量缺陷带来的损失。该系统应用于长城雪茄烟厂的制丝生产线中,有效减少了生产中的断料次数,提高了烟丝生产的质量。     

一种基于小波变换进行噪声处理的监控系统

介绍了一种基于小波进行信号处理的监控系统，通过采用小波滤波，有效地解决了因信号污染而引起的电机振动的问题，并实现了实时检测与控制的功能。     

基于超像素块聚类与低秩特性的高光谱图像降噪

高光谱图像通常受到高斯噪声、脉冲噪声、死线和条纹等干扰,因此去噪必不可少。现有基于低秩特性的降噪方法通过引入空间信息改善了降噪效果,但由于其只利用了局部相似性或非局部自相似性,而对在光谱维度存在一定结构信息的稀疏噪声去除效果较差。本文提出了基于超像素块聚类与低秩特性的高光谱图像降噪方法,实现了分块的自适应划分与聚类,在较好地保留了局部细节的同时又充分利用了非局部空间自相似性,且实验表明聚类后的超像素块组成的同物分块具有良好的空-谱双重低秩属性。该方法首先对高光谱图像进行超像素分割,再对超像素块进行聚类,得到同物分块;然后对其建立低秩矩阵恢复模型并求解,最终得到降噪后图像。本文分别在模拟数据和真实数据上进行实验,并与其他基于低秩特性的方法进行比较,结果表明：本文方法对混合噪声,尤其是具有一定结构信息的稀疏噪声具有较好的降噪性能。     

基于数据流的桥梁健康监测海量数据处理

采用数据流的滑动窗口技术,建立了一种基于数据流滑动窗口的桥梁健康监测系统数据处理及存储模型,进行了基于数据流的桥梁健康监测数据处理的研究.桥梁健康监测是对桥梁结构进行实时监控和结构状态的智能化评估.这对确保桥梁的运营安全及早发现桥梁病害,对延长桥梁的使用寿命起着积极的作用.基于数据流的滑动窗口技术,对传感器采集的数据进...