本文關(guān)鍵詞：基于高光譜成像技術(shù)的紅酸枝品種識(shí)別，由筆耕文化傳播整理發(fā)布。

【摘要】：對(duì)市場(chǎng)上常見的紅酸枝類木材進(jìn)行快速無(wú)損識(shí)別,有助于規(guī)范紅酸枝木的市場(chǎng)秩序和保護(hù)消費(fèi)者的利益。目前的紅酸枝木識(shí)別方法費(fèi)時(shí)、耗力、成本較高,或是破壞木材無(wú)法做到無(wú)損檢測(cè)。本研究的目的在于利用高光譜成像技術(shù)結(jié)合不同判別模型對(duì)交趾黃檀、巴里黃檀、奧氏黃檀和微凹黃檀四種不同紅酸枝木材的品種進(jìn)行識(shí)別研究。首先,對(duì)光譜范圍在400~1000nm以及900~1700nm采集到的紅酸枝木的高光譜圖像分別進(jìn)行感興趣區(qū)域選取;其次,運(yùn)用SG平滑算法、SNV和MSC對(duì)感興趣區(qū)域的光譜進(jìn)行預(yù)處理,利用PCA、RC和SPA算法方法提取紅酸枝木光譜的特征波長(zhǎng)變量;然后,對(duì)光譜范圍在400~1000nm的紅酸枝木的高光譜圖像進(jìn)行特征波長(zhǎng)圖像和主成分圖像下的紋理信息提取;最后,分別對(duì)全部光譜、特征波長(zhǎng)光譜和紋理特征建立PLS-DA和ELM判別分析模型,通過(guò)比較不同光譜范圍不同模型的識(shí)別結(jié)果,找出最優(yōu)模型。實(shí)驗(yàn)結(jié)果表明,包含建模集和測(cè)試集在內(nèi)的總共144個(gè)樣本中,基于紋理特征建立的判別模型識(shí)別效果不理想,建模集和測(cè)試集的識(shí)別率均在85%以下,其中,主成分圖像紋理特征建立的品種識(shí)別模型效果要好于特征波長(zhǎng)圖像建立的模型。但基于紅酸枝木的光譜特征建立的識(shí)別模型中,光譜范圍在400~1000nm的識(shí)別效果要好于光譜范圍在900~1700nm建立的模型,采用SPA提取的特征波長(zhǎng)信息建立的ELM模型,建模集和測(cè)試集的識(shí)別率最高,均達(dá)到97.92%以上。這說(shuō)明,利用高光譜成像技術(shù)對(duì)交趾黃檀、巴里黃檀、奧氏黃檀和微凹黃檀進(jìn)行品種識(shí)別是可行的。
【關(guān)鍵詞】：高光譜成像 特征波長(zhǎng) 紅酸枝木材 無(wú)損判別
【學(xué)位授予單位】：浙江農(nóng)林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 1 緒論8-13
• 1.1 研究背景8-9
• 1.2 國(guó)內(nèi)外紅酸枝品種識(shí)別的研究現(xiàn)狀9-10
• 1.3 主要研究?jī)?nèi)容及技術(shù)10-12
• 1.3.1 研究的主要內(nèi)容10-11
• 1.3.2 研究方法與技術(shù)路線11-12
• 1.4 本文章節(jié)安排12-13
• 2 高光譜成像技術(shù)的相關(guān)理論及實(shí)驗(yàn)材料13-25
• 2.1 高光譜成像數(shù)據(jù)采集系統(tǒng)13-15
• 2.1.1 高光譜成像技術(shù)的原理13
• 2.1.2 高光譜成像采集系統(tǒng)13-15
• 2.1.3 高光譜圖像黑白校正15
• 2.2 實(shí)驗(yàn)材料15-16
• 2.3 Kennard-Stone算法選取建模集和測(cè)試集16
• 2.4 光譜數(shù)據(jù)預(yù)處理方法16-18
• 2.4.1 平滑處理17
• 2.4.2 標(biāo)準(zhǔn)正態(tài)變量變換17
• 2.4.3 多元散射校正17-18
• 2.5 樣本的主成分定性分析18
• 2.6 特征波長(zhǎng)提取方法18-20
• 2.6.1 主成分分析19
• 2.6.2 回歸系數(shù)法19-20
• 2.6.3 連續(xù)投影法20
• 2.7 高光譜圖像紋理特征提取方法20-23
• 2.7.1 特征波長(zhǎng)圖像紋理特征的提取21-23
• 2.7.2 主成分圖像紋理特征的提取23
• 2.8 判別分析方法23-24
• 2.8.1 偏最小二乘判別分析23
• 2.8.2 極限學(xué)習(xí)機(jī)23-24
• 2.8.3 模型評(píng)價(jià)標(biāo)準(zhǔn)24
• 2.9 數(shù)據(jù)分析軟件24
• 2.10 本章小結(jié)24-25
• 3 基于 400-1000 NM光譜范圍的紅酸枝木材品種識(shí)別25-39
• 3.1 紅酸枝木材的光譜特征分析25-27
• 3.1.1 紅酸枝木 400-1000NM的高光譜圖像采集25
• 3.1.2 感興趣區(qū)域提取和樣本集劃分25-26
• 3.1.3 全部樣本的光譜特性分析26-27
• 3.2 紅酸枝木材的主成分定性分析27-28
• 3.3 基于全部光譜數(shù)據(jù)的紅酸枝木品種識(shí)別28-30
• 3.3.1 光譜預(yù)處理28-29
• 3.3.2 基于全部光譜數(shù)據(jù)的紅酸枝木材品種識(shí)別29-30
• 3.4 基于特征波長(zhǎng)的紅酸枝木品種識(shí)別30-34
• 3.4.1 特征波長(zhǎng)挑選30-34
• 3.4.2 基于特征波長(zhǎng)建立紅酸枝木品種判別模型34
• 3.5 基于高光譜圖像紋理信息的紅酸枝木品種識(shí)別34-38
• 3.5.1 特征波長(zhǎng)圖像紅酸枝木紋理特征分析34-37
• 3.5.2 主成分圖像紅酸枝木紋理特征分析37-38
• 3.6 本章小結(jié)38-39
• 4 基于 900-1700 NM 光譜范圍的紅酸枝木材品種識(shí)別39-48
• 4.1 紅酸枝木材的光譜特征分析39-41
• 4.1.1 紅酸枝木 900-1700NM的高光譜圖像采集39
• 4.1.2 感興趣區(qū)域提取和樣本集劃分39-40
• 4.1.3 全部樣本的光譜特性分析40-41
• 4.2 紅酸枝木材的主成分定性分析41-42
• 4.3 基于全部光譜數(shù)據(jù)的紅酸枝木品種識(shí)別42-43
• 4.3.1 光譜預(yù)處理42
• 4.3.2 基于全部光譜數(shù)據(jù)的紅酸枝木材品種識(shí)別42-43
• 4.4 基于特征波長(zhǎng)的紅酸枝木品種識(shí)別43-47
• 4.4.1 特征波長(zhǎng)挑選43-46
• 4.4.2 基于特征波長(zhǎng)建立紅酸枝木品種判別模型46-47
• 4.5 本章小結(jié)47-48
• 5 總結(jié)與展望48-50
• 5.1 總結(jié)48
• 5.2 展望48-50
• 參考文獻(xiàn)50-53
• 致謝53

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李慶利;薛永祺;王建宇;岳小強(qiáng);;高光譜成像系統(tǒng)在中醫(yī)舌診中的應(yīng)用研究[J];紅外與毫米波學(xué)報(bào);2006年06期

2 田有文;程怡;吳瓊;牟鑫;;農(nóng)產(chǎn)品病蟲害高光譜成像無(wú)損檢測(cè)的研究進(jìn)展[J];激光與紅外;2013年12期

3 徐爽;易東;;利用高光譜成像技術(shù)檢測(cè)長(zhǎng)棗表面蟲傷[J];電子制作;2013年21期

4 高國(guó)龍;用高光譜成像熒光成像儀觀察海底情況[J];紅外;2003年05期

5 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術(shù)的蘋果內(nèi)外品質(zhì)同時(shí)檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2011年03期

6 高國(guó)龍;;美國(guó)高光譜成像技術(shù)獲資金支持[J];紅外;2009年11期

7 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術(shù)——基于漫反射式高光譜成像技術(shù)[J];農(nóng)機(jī)化研究;2013年04期

8 高國(guó)龍;;采用靜態(tài)傅里葉變換光譜儀的星載高光譜成像技術(shù)[J];紅外;2013年05期

9 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術(shù)的蘋果品質(zhì)無(wú)損檢測(cè)[J];紅外與激光工程;2014年04期

10 羅陽(yáng);何建國(guó);賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 盧云龍;劉志剛;;高光譜成像技術(shù)及其在目標(biāo)檢測(cè)中的應(yīng)用進(jìn)展[A];國(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

2 馬本學(xué);應(yīng)義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測(cè)中的研究進(jìn)展[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術(shù)途徑探索[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術(shù)及其應(yīng)用[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術(shù)研究[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第三屆學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 葛明鋒;基于輕小型無(wú)人機(jī)的高光譜成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應(yīng)用研究[D];暨南大學(xué);2015年

3 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2011年

4 朱逢樂;基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無(wú)損檢測(cè)[D];浙江大學(xué);2014年

5 馬m，

本文編號(hào)：288281