基于高光谱的南疆红枣病虫害特征谱段选择模式

被引：6

作者：

周鹏 ^{[1
]}

张小刚 ^{[1
,2
]}

徐彪 ^{[1
]}

施明登 ^{[1
,2
]}

机构：

[1] 塔里木大学信息工程学院

[2] 浙江大学计算机科学与技术学院

来源：

江苏农业科学 | 2013年 / 41卷 / 04期

关键词：

高光谱成像技术; 主成分分析; 红枣病虫害; 谱段选择; 逐步判别法;

D O I：

10.15889/j.issn.1002-1302.2013.04.066

中图分类号：

S436.65 [杂果类病虫害];

学科分类号：

摘要：

利用高光谱成像技术(350～850 nm)并结合主成分分析波段选择算法识别南疆红枣枣锈病、枣疯病、黑斑病、缩果病和无病区域。创建一个利用高光谱图像采集的系统以分析图像,达到诊断红枣病变的目的,提出了利用均值置信区间带筛选红枣病虫害高光谱特征谱段的方法,并运用逐步判别法进行降维。以该系统获得的光谱参数作为研究南疆红枣病虫害的参数,然后在逐步判别法的指导下进行重复试验,实现对病虫害的深层把握。此外,利用典型判别法可以实现对南疆红枣病虫害百分之百的了解与把握。研究确立了南疆红枣病虫害特征谱段选择的最佳模式。

引用

页码：108 / 111

页数：4

共 13 条

[1] 一种基于主成分分析的高光谱图像波段选择算法
杨诸胜
郭雷
罗欣
胡新韬
[J]. 微电子学与计算机, 2006, (12) : 72 - 74
[2] 镉污染水稻高光谱诊断分析与建模[J]. 修丽娜,刘湘南,刘美玲. 光谱学与光谱分析. 2011(01)
[3] 小麦叶片胁迫状态下的高光谱图像特征分析研究[J]. 张东彦,张竞成,朱大洲,王纪华,罗菊花,赵晋陵,黄文江. 光谱学与光谱分析. 2011(04)
[4] Dimension reduction by local principal component analysis. Kambhatla N, Leen T K. Neural Computation . 1997
[5] Linking leaf chlorophyll fluorescence properties to physiological responses for detection of salt and drought stress in coastal plant species
Naumann, Julie C.
Young, Donald R.
Anderson, John E.
[J]. PHYSIOLOGIA PLANTARUM, 2007, 131 (03) : 422 - 433
[6] Dimension reduction by local principal component analysis
Kambhatla, N
Leen, TK
[J]. NEURAL COMPUTATION, 1997, 9 (07) : 1493 - 1516
[7] 水稻叶面积指数的高光谱遥感估算模型
王秀珍
黄敬峰
李云梅
王人潮
[J]. 遥感学报, 2004, (01) : 81 - 88
[8] Application of an empirical neural network to surface water quality estimation in the Gulf of Finland using combined optical data and microwave data. Zhang Yuanzhi, Jouni Pulliainen, Sampsa Koponen, et al. Remote Sensing of Environment . 2002
[9] Linking leaf chlorophyll fluorescence properties to physiological responses for detection of salt and drought stress in coastal plant species. Naumann J C,Young D R,Anderson J E. Physiologia Plantarum . 2007
[10] Comparison of vector stacking, multi-SVMs fuzzy output, and multi-SVMs voting methods for multiscale VHR urban mapping. X. Huang,L. P. Zhang. IEEE Geosci Remote Sens Lett . 2010

← 1 2 →