需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：17120 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要: 種子是農(nóng)業(yè)生產(chǎn)中最基本，最重要的生產(chǎn)資料，作為一切農(nóng)業(yè)生產(chǎn)的基礎(chǔ)，它的純度關(guān)乎整個農(nóng)業(yè)產(chǎn)業(yè)的發(fā)展。種子的特征是種子種類識別的主要依據(jù)。近年來，隨著雜交技術(shù)的廣泛應(yīng)用，種子的種類數(shù)目越來越來多，隨之而來的種子混雜現(xiàn)象越來越嚴重。因此，保證種子的純度是一個亟待解決的問題。高光譜圖像技術(shù)囊括了計算機機器視覺的圖像信息和近紅外光譜的光譜信息兩種特征信息，是一種無損檢測的新方法，在此領(lǐng)域中高光譜圖像技術(shù)得到了廣泛的應(yīng)用。本論文利用高光譜圖像技術(shù)結(jié)合數(shù)字圖像處理及多元數(shù)據(jù)分析技術(shù)，提取高光譜圖像中感興趣區(qū)域特征，建立種子分類模型，實現(xiàn)對種子品種的高精度自動識別。該課題對于種子品種識別，保證種子質(zhì)量具有重要的實際應(yīng)用價值。論文主要研究工作如下： (1) 利用高光譜成像設(shè)備采集種子的高光譜圖像，對所采集的高光譜圖像進行預(yù)處理，采用傳統(tǒng)的閾值圖像分割法，保證提取的種子特征的有效性。 (2) 基于閾值分割法，提取不同波段下的種子熵特征和Mean特征作為種子的分類特征參數(shù)，并采用偏最小二乘判別分析法建立種子的分類模型，實現(xiàn)種子分類。 研究結(jié)果表明，利用高光譜圖像技術(shù)快速識別種子的品種是可行的。 關(guān)鍵詞：高光譜圖像技術(shù)；種子；閾值分割；偏最小二乘判別分析
目錄 摘要 ABSTRACT 第1章 緒論-1 1.1 研究目的和意義-1 1.2 國內(nèi)外研究現(xiàn)狀-1 1.2.1 種子品種識別的國內(nèi)外研究現(xiàn)狀-2 1.2.2 高光譜圖像技術(shù)在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀-2 1.3 本論文的研究工作-3 第2章 高光譜圖像技術(shù)簡介及實驗數(shù)據(jù)采集-5 2.1 引言-5 2.2 高光譜圖像技術(shù)-5 2.2.1 高光譜圖像的名詞解釋-5 2.2.2 高光譜圖像的基本原理-6 2.3 高光譜反射圖像采集系統(tǒng)介紹-7 2.3.1 實驗材料-8 2.3.2 種子高光譜反射圖像采集-8 2.4 種子樣本的高光譜反射圖像校正-9 2.5 本章小結(jié)-10 第3章 基于閾值分割和PLSDA的玉米種子高光譜圖像分類-11 3.1 引言-11 3.2 高光譜圖像預(yù)處理-11 3.2.1 種子圖像的矩陣表示-11 3.2.2 種子圖像的格式轉(zhuǎn)化-12 3.2.3 種子圖像的灰度變換-12 3.2.4 種子圖像的目標(biāo)增強-13 3.3圖像閾值分割-14 3.4高光譜圖像的特征提取-15 3.4.1熵特征提取-15 3.4.2 Mean 特征提取-16 3.5 PLSDA-16 3.6 本章小結(jié)-18 第4章 結(jié)果分析與討論-19 4.1 引言-19 4.2 圖像分割結(jié)果-19 4.2.1 原始高光譜圖像不同波段的分割-19 4.2.2 分割結(jié)果-21 4.3 特征分析-22 4.3.1 熵、Mean特征結(jié)果-22 4.3.2特征參數(shù)的分析-23 4.4PLSDA分類結(jié)果-24 4.4.1仿真結(jié)果-24 4.4.2 結(jié)果討論-25 4.5 本章小結(jié)-25 第5章 結(jié)論與展望-27 5.1 結(jié)論-27 5.2 未來展望-27 致謝-29 參考文獻-30 |
