叶片图像多重分形方法与诊断建模

Since the impact of nutrients deficiency and disease on crops can be directly characterized by the change of whose leaf’s color, textures and shapes, the leaf’s information is able to be used for crop nutrition and disease diagnosis. The key point of the diagnosis using the crop’s leaves is how to extract the feature accurately. With the development of nonlinear science, multifractal methods have become important ways to acquire biological information of the crop’s leaves. Our project is aimed to study leaf image’s multifractal methods and crop diagnosis modeling by using leaf’s multifractal features. We want to achieve a method of feature description of leaf gray images based on multifractal detrended fluctuation analysis, by which, generalized Hurst exponents of one-dimensional gray series and two-dimensional surface together local generalized Hurst exponent of two-dimensional gray surface will be proposed. To show the good performance of the proposed texture descriptors, the empirical experiments will be conducted between the proposed descriptors and other typical multifractal parameters from three aspects, namely, noise immunity, resistance to compression and anti-blur. In addition, we are going to further study the key region location and identification problems for crop leaves, which are influenced by the nutrients deficiency and diseases. Finally, the universal models will be proposed for crop’s nutrition and disease diagnosis.

叶片颜色、纹理、形状的改变可直接表征作物营养素缺失和受病害影响等情况。因而，叶片信息可用于作物营养和病害诊断。利用叶片进行作物营养病害诊断的一个关键问题是如何提取叶片的有效特征。随着非线性科学的发展，基于多重分形方法的叶片信息提取已成为生物信息获取的重要手段。本项目旨在研究叶片图像多重分形方法并建立基于叶片多重分形特征的诊断模型。拟实现一种基于多重分形去趋势波动分析的叶片灰度图像特征描述方法，得到图像一维灰度值序列的广义Hurst指数，二维灰度平面的广义Hurst指数，二维灰度平面的局部广义Hurst指数等多种纹理描述因子。并与其他多重分形参数比较，从抗噪性、抗压缩性和抗模糊性三个方面证明所提的指数具有更好的鲁棒性。在此基础上，深入研究受营养和病害等因素影响的作物叶片关键区域定位和识别等问题，并利用叶片图像特征参数建立普适性较强的作物营养、病害诊断模型。

叶片颜色、纹理、形状的改变可直接表征作物营养素缺失和受病害影响等情况。因而，叶片信息可用于作物营养和病害诊断。本项目旨在研究叶片图像多重分形方法并建立基于叶片多重分形特征的诊断模型。针对MF-DFA在不同尺度上的特性存在差异的现象，将一维多尺度多重分形去趋势波动分析（MMA）方法进行了推广，提出了一种用于研究二维图像信号在不同尺度下多重分形特性的方法（2DMMA），提出一种确定油菜冠层光谱红边特征的新方法-局部去趋势波动分析法（Local DFA）。针对作物图像因物候差异造成的光照与色偏等问题，提出了图像光照补偿技术和色偏图像快速检测与校正方法，适合于作物图像的图像处理与分析技术。为研究一维时间序列的互相关性，为避免两个时间信号之间可能存在的伪相关现象，在多重分形-高度互相关分析（MF-HXA）的基础上，提出了一种考虑符号信息的仿多重分形高度互相关分析（AMF-HXA）。利用多重分形去趋势波动分析提取了６个不同波段范围内光谱的广义Hurst指数和质量指数及其他相关的特征参数，发现它们都呈现典型的多重分形特性。为研究油菜冠层光谱敏感波段的提取及对其叶片SPAD值的影响，提出了基于一维多尺度多重分形去趋势波动分析（MMA）方法的光谱敏感波段提取方法，建立了基于敏感波段Hurst指数与SPAD值的定量回归模型，及敏感波段光谱值Hurst指数为特征的定性识别模型，以及基于多重分形特征参数的油菜氮营养诊断模型。