[发明专利]高光谱图像技术诊断作物水分亏缺的方法

权利要求书

1.高光谱图像技术诊断作物水分亏缺的方法，其特征在于按照下述步骤进行：

高光谱图像采集，

特征波长的提取，

图像预处理，

特征提取，

模型建立，

利用上述模型检测作物含水率，诊断作物是否发生水分亏缺。

2.根据权利要求1所述的高光谱图像技术诊断作物水分亏缺的方法，其特征在于其中所述的高光谱图像采集是指利用高光谱图像采集系统采集温室番茄叶片的高光谱图像。

3.根据权利要求1所述的高光谱图像技术诊断作物水分亏缺的方法，其特征在于其中所述的特征波长的提取是指采用自适应波段选择法进行高光谱图像的特征波长提取。

4.根据权利要求1所述的高光谱图像技术诊断作物水分亏缺的方法，其特征在于其中所述的图像预处理，指首先采用最大类间方差法进行分图像割，然后将二值化图像进行灰度反转，并利用数学形态学运算进一步处理图像,填补残留的孤立噪声点；最后将原始图像与处理后的二值化图像进行像点相乘得到目标图像。

5.根据权利要求1所述的高光谱图像技术诊断作物水分亏缺的方法，其特征在于其中所述的特征提取是指选用灰度共生矩阵法提取纹理特征。

6.根据权利要求1所述的高光谱图像技术诊断作物水分亏缺的方法，其特征在于其中所述的模型建立是指采用偏最小二乘回归建立番茄定植—开花期含水率预测模型，具体按照下述步骤进行：（1）对样本进行预处理，确定输入因子的数量，针对所提取的灰度、纹理特征变量，对样本进行标准化处理，(2)将提取的2个灰度特征变量进行偏最小二乘相关分析（PLS），分别提取到2个PLS成分，利用所得到的2个PLS成分与干基含水率做相关分析，得到基于原灰度变量的PLS回归模型；   （3）对提取的8个纹理特征变量进行同样的分析，得到基于原纹理变量的PLS回归模型；（4）利用样本采集时同时获取的24个样本的数据，对所建立的两模型进行检验；（5）采用融合灰度、纹理特征来建立番茄定植—开花期含水率预测模型，即将遗传算法和偏小二乘回归相结合，选择出预测精度最高的特征子集，并利用最优特征子集建立番茄定植—开花期含水率预测模型。