高光谱成像结合机器学习检测火炬松幼苗梭形锈病发病率火炬松是美国南部最重要的森林树种，它生长迅速、适应性强，可用于建筑木材、胶合板和纸浆等。松梭形锈病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一种影响该物种的常见且具有破坏性的病害。这种真菌通常会感染幼树的茎，导致被称为“锈瘿”的肿瘤样生长物产生，可能会造成树木死亡或产生“锈丛”，从而妨碍树木生长，降低木材使用价值。种植抗病苗是限制该病害的最有效的措施。温室中抗病性测试在人工接种幼苗后的目视估计病害发病率和严重程度具有高度主观性，容易出现人为错误，且劳动密集。此外，目视评估只有在病害感染一段时间后，症状充分发展时才能进行。而高光谱成像可同时获取空间和光谱信息，提供了在不同空间尺度上分析光谱信息的机会，已成功应用于多种植物物种的病害和胁迫检测。基于此，在本文中，来自北卡罗来纳州立大学和密西西比州立大学的研究团队提出了一种利用高光谱成像技术筛选火炬松幼苗梭形锈病发病率的创新方法，具体目标为（1）开发高光谱图像处理管道，用于从火炬松幼苗图像中的特定感兴趣区域（ROI）中提取光谱数据；（2）基于来自(1)的特定ROI的光谱数据，评估用于区分患病和未患病幼苗的SVM分类模型。图1 火炬松幼苗高光谱图像采集的成像装置。【高光谱图像获取】线性扫描高光谱成像仪（Pika XC2，Resonon In...
发布时间:
2022
-
04
-
19
浏览次数：36
改进积雪密度的估计是目前雪研究的一个关键问题。表征密度时空变异性对于水当量的估算、水力发电和自然灾害（雪崩洪水等）的评估至关重要。高光谱成像是一种监测和估计其物理特性的有前途且可靠的工具。事实上，雪的光谱反射率在一定程度上受其物理特性变化的控制，尤其是在光谱的近红外（NIR）部分。为此，已经设计了几种模型根据光谱信息估算积雪密度。然而，还没有一个实现满意的结果。主要困难之一是积雪密度和光谱反射率之间的关系是非双射的（满射的）。事实上，几个反射振幅与相同的密度相关，反之亦然，所以密度和光谱反射率之间的相关性可能非常弱。基于此，为了解决该问题，本研究中提出了基于光谱数据的积雪密度估计混合模型。主要研究目标是利用高光谱NIR成像（PIKA NIR，RESONON Company）（900-1700 nm）以5.5 nm的光谱分辨率测试混合模型（HM）估计季节性积雪密度的性能。混合模型结合了一个分类器和3个与密度类别相关联的特定估算量（弱到中度变质雪（WMM），中度到高度变质雪（MHM）和高度到极高度变质雪（HVM））。利用2018（1.19-3.27）、2019（1.10-4.3）和2020（1.29-3.10）年冬季在加拿大魁北克国立科学研究院（INRS）的科技园内（46°47′43.22″北纬，-71°18′10″西经）收集的数据集校准和验证了HM。混合模型在两个...
发布时间:
2022
-
01
-
24
浏览次数：34
摘要：针对推扫式成像光谱仪获取的狭带影像需要经过几何校正才能拼接形成空间二维影像的问题，提出了基于ENVI二次开发的高光谱推扫图像拼接技术。基于单应映射建立光谱仪倾斜状态下与正射状态下图像上的二维点之间的关系，校正由姿态变化引起的图像畸变，结合GPS数据修正因飞行速度变化引起的狭带重叠将校正后的狭带影像拼接起来。在ENVI二次开发平台上进行技术集成，实现了Resonon推扫高光谱狭带影像的自动校正拼接。对河北保定郊区高光谱影像的校正拼接实验证明，该方法与光谱仪自带拼接软件校正结果接近经纬度坐标差均在1m以内，均方根误差约为0.7389，能够满足一般高光谱遥感应用中的地理精度要求。研究目的：根据单应映射原理，建立光谱仪倾斜和正射状态下像点的映射关系，利用GPS/INS组合导航数据校正狭带影像中的畸变，拼接成一幅完整的影像，并在ENVI二次开发平台上实现推扫狭带影像的自动校正和拼接。推扫成像畸变原因：推扫式成像是利用飞行平台的向前运动，借助于与飞行方向垂直的扫描线记录而构成二维图像。推扫型成像光谱仪通常采用一个垂直于运动方向的面阵CCD来感应地面响应，在飞行平台向前运动中完成二维空间扫描，平行于平台运动方向，通过光栅和棱镜分光完成光谱维扫描，因此，CCD上一个点对应一个谱段，一条线对应一个谱面。CCD探测器每次成像是空间一条线上的光谱信息。为了获得空间二维图像，再通过机械推扫，完成整个...
发布时间:
2020
-
07
-
09
浏览次数：455