小麦品质分析的信号处理方法研究

论文题目: 小麦品质分析的信号处理方法研究

论文类型: 博士论文

论文专业: 信号与信息处理

作者: 杨红卫

导师: 王炳锡

关键词: 信号处理,图像处理,小麦品质,粮食安全,独立分量分析,降噪,盲反卷积

文献来源: 中国人民解放军信息工程大学

发表年度: 2005

论文摘要: 粮食安全直接关系社会稳定、经济发展和国家安全。中国的耕地面积不到世界总耕地面积的7%,但是却要解决占世界总人口22%人口的吃饭问题。因此,主要依靠自己的力量解决粮食问题,确保国家粮食安全始终是中国政府关心的头等大事。粮食安全不仅仅是从数量上保证供应,即数量安全的问题,还有随环境污染与消费水平提高而日益重要的质量安全以及合理利用有限资源,建立资源节约型社会的问题。维持一定数量、品种和品质粮食的储备,是保证国家粮食安全的重要措施。小麦是最重要的粮食品种之一,基于信号处理技术,研究客观、便捷的小麦品质测定方法对提高小麦品质、减少产后损失、保证国家粮食安全具有十分重要的意义。小麦的贸易及利用是以小麦的品质作为基础的。小麦的各种品质参数可以通过相应的标准方法测定。但是,由于分析数据多、分析时间长、所需仪器价格昂贵,这些标准方法大多难以在粮食收购等现场检测中广泛应用,给我国的小麦品质控制带来许多困难。一种可行的方法是,对同一地区,首先进行小麦的品质测报,在此基础上,根据小麦品种来判断小麦品质的优劣,从而达到快速确定小麦品质的目的。颜色是小麦最重要的特征之一。与形态、纹理等特征相比较,颜色特征易于提取,并具有旋转、缩放和平移不变性等特点。本文在分析近红外光谱、可见光光谱等方法有关颜色特征研究的基础上,指出在过去小麦图像处理研究中,基于颜色特征的品种识别效果不够理想,主要原因是提取的颜色特征过于简单。颜色直方图是图像处理、图像检索、计算机视觉等研究中,研究颜色特征的重要工具。基于空间数据索引技术,本文提出了一种新的真彩色图像颜色直方图索引结构——稀疏森林,通过将RGB空间中三维颜色(点)投影至(r,g,0)平面进行“降维”,将三维空间点索引变成一维数据索引问题,降低了问题的复杂度;进一步,利用B树高度平衡、多分支、低深度、结构紧凑等特点,对一维数据进行索引。与其他同类空间索引结构相比,稀疏森林保留了颜色空间的全部信息,生成、索引速度快,可以方便地进行点查询和区域查询,并且空间效率比较高。根据颜色直方图,本文提出了一种新的小麦颜色特征;然后采用基于支持向量机的一对一分类方法对小麦进行品种识别。利用本文提出的识别方法,对具有代表性的16种样品,整体识别的正确率在96%以上,6种样品单颗粒识别的正确率为87%～93%。

论文目录:

摘要

ABSTRACT

第一章绪论

§1.1 中国的粮食安全问题

§1.2 小麦与小麦品质

1.2.1 小麦是我国最重要的商品粮食和储藏品种

1.2.2 小麦品质

1.2.3 目前小麦品质研究和管理存在的问题

1.2.4 小麦品质分析的重要意义

§1.3 论文的主要内容

第二章小麦品质分析中的信号处理技术

§2.1 小麦品质分析的常规方法

§2.2 小麦品质分析的信号处理方法

2.2.1 二维方法

2.2.2 一维方法

§2.3 小结

第三章基于颜色特征的小麦品种识别

§3.1 小麦图像处理中的颜色特征问题

§3.2 真彩色直方图快速生成索引结构——稀疏森林

3.2.1 现有空间数据索引方法及存在的问题

3.2.2 稀疏森林

3.2.3 稀疏森林直方图生成算法复杂性分析

3.2.4 稀疏森林性能测试

§3.3 颜色特征提取

§3.4 品种识别

3.4.1 统计学习理论与支持向量机

3.4.2 基于支持向量机的多类识别方法

§3.5 实验结果与分析

§3.6 小结

第四章小麦品种识别的声学方法

§4.1 冲击法获取小麦品质信号

4.1.1 气流驱动冲击法

4.1.2 自由落体冲击法

§4.2 独立分量分析与FastICA算法

§4.3 基于ICA的周期性噪声消除算法

4.3.1 问题的提出

4.3.2 基于ICA的周期性噪声消除算法

4.3.3 算法性能测试与分析

§4.4 品质信号的盲反卷积

4.4.1 盲反卷积

4.4.2 BD与ICA算法

4.4.3 基于ICA的同态盲反卷积

4.4.4 算法性能测试与分析

§4.5 小麦一维信号特征

§4.6 实验结果与讨论

§4.7 小结

第五章总结与展望

§5.1 全文总结

§5.2 粮食信息学：一个初露端倪的新的学科方向

参考文献

攻读博士学位期间发表的论文目录

致谢

发布时间: 2006-02-20

小麦品质分析的信号处理方法研究

猜你喜欢