異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究_第1頁
異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究_第2頁
異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究_第3頁
異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究_第4頁
異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費閱讀

付費下載

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

異常檢測在高光譜圖像蔬菜農藥點檢測中的應用研究當前,蔬菜中含有農藥殘留的可能性越來越大,而相對成熟的農藥殘留檢測技術如氣相色譜法等存在費時費力,破壞性大等明顯缺點,因此,急需一種快速無損的蔬菜農藥殘留檢測技術。高光譜成像技術能夠區(qū)分地物光譜的微小差別,已有研究人員將其應用于食品安全監(jiān)測領域,并且取得了一定的研究成果,在蔬菜農藥殘留檢測方面具有較大的潛力。異常檢測是高光譜遙感最常見的應用之一,已經在軍事目標識別、偽裝目標區(qū)分等方面取得了較好的成果。鑒于異常檢測在高光譜遙感領域目標識別中的有效性,本文將其應用于近景高光譜圖像,試圖探究其檢測蔬菜葉片上的農藥點的可行性。在本文中,我們首先搭建了一個近景高光譜成像平臺,獲取了包含農藥點的菠菜葉片的高光譜圖像數據,對菠菜葉片的光譜特性和不同形態(tài)表現的農藥點的光譜特性進行了分析,確定了農藥點光譜的特征波長。其次,針對實驗獲取高光譜圖像數據受到高光譜儀因光電效應產生的系統(tǒng)噪聲很明顯的問題,引入了信號處理領域的奇異譜分析(SingularSpectrumAnalysis,簡稱SSA)來降低噪聲,并通過局部圖像方差和若干光譜相似性度量指標來衡量其降噪效果。與原始數據相比,SSA處理后的圖像數據局部圖像方差最高降低70%以上,光譜相似性度量指標值也出現了不同程度的下降,圖像的系統(tǒng)噪聲得到了明顯下降,提高了數據的穩(wěn)定性。再次,針對農藥點檢測問題,基于RX算法的基本原理,將雙窗口局部RX算法中的外窗改進為可以變化,并結合主成分分析(PCA)的數據降維方法,提出了一種外窗可變的基于主成分分析的雙窗局部RX算法(外窗可變PCA-LRX),實驗結果表明,與其他4種RX系列算法相比,外窗可變PCA-LRX算法對農藥點的檢測效果最好,不僅能檢測出全部的農藥點目標,虛警率還低。接收機操作特性曲線(ROC)顯示,在相同虛警率水平下,外窗可變PCA-LRX算法的檢測率最高。最后,針對外窗可變PCA-LRX算法存在運行時間較長的問題,基于Hausdorff度量的基本原理,結合主成分分析的降維方法,提出了一種改進的Hausdorff度量異常檢測算法,即PCA-MHD算法,用以檢測蔬菜上的農藥點。實驗結果顯示,PCA-MHD算法也能檢測出全部的農藥點,并且與外窗可

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論