讨论了基于高光谱成像技术光谱及纹理特征在识别早期柑橘黄龙病中的应用。 使用一套近地高光谱成像系统采集了176枚柑橘叶片的高光谱图像作为实验样品, 其中健康叶片60枚, 黄龙病叶片60枚, 缺锌叶片56枚。 手工选取每幅叶片高光谱图像的病斑位置作为样品感兴趣区域(regions of interest, ROI), 计算其平均光谱反射率, 并以此作为样品的反射光谱, 光谱范围为396～1 010 nm。 样品光谱分别经过主成分分析(PCA)及连续投影算法(SPA)进行数据降维, 再结合最小二乘支持向量机(LS-SVM)分类器建立分类模型。 相比原始光谱, 由PCA选取的前四个主成分及SPA选取的一组最佳波长组合(630.4, 679.4, 749.4和899.9 nm)建立的模型拥有更好的分类识别能力, 其对三类柑橘叶片平均预测准确率分别为89.7%和87.4%。 同时, 从被选四个波长的每幅灰度图像中提取6个灰度直方图的纹理特征以及9个灰度共生矩阵的纹理特征再次构建分类模型。 经SPA优选的10个纹理特征值进一步提高了分类效果, 对三类柑橘叶片的识别正确率达到了100%, 93.3%和92.9%。 实验结果表明, 同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病的识别中显示了很大的潜力。

为提高沿岸、岛礁的潮汐测量及内陆水位监测的机动灵活性, 设计了一种嵌入式、非接触水位自动测量的水尺图像采集与处理系统。该系统包括了成像单元, 数据采集、处理和存储单元, 交互接口单元。基于实际使用情况, 提出了一种水尺自动判读算法。利用传感器的窗口截取特性, 采集含有少量背景信息的水尺图像; 采用 Sobel水平边缘检测算子进行特征提取; 最后采用投影分析的办法来判读水尺信息。水域实验结果表明, 该系统能进行全天候的水位自动测量。在成像距离为 25~100 m范围内, 达到 6 mm以内的判读精度。