高光谱成像技术能够获取传感器视角范围内每一个像素的光谱信息，使油菜植株的空间信息可视化，能使用数字图像技术处理这些空间信息：能够获取光谱分辨率比较高的数据，其中包含的波段信息远多于多光谱成像技术，也更能够提取出准确反映油菜植株生理状况的信息。本研究将高光谱成像技术和数字图像处理技术结合，提取油菜受病虫害胁迫时的生理信息，研究生理信息与受胁迫程度的耦合关系。用高光谱数据的敏感波段来揭示受害植株理化信息与高光谱数据间的相关关系。论文以受主要病害菌核病和主要虫害菜青虫危害后的油菜植株为研究对象，提出一套受害油菜叶片关键信息的提取方法：根据病斑像素的高光谱数据提取叶片受病害时长信息；通过将残余叶片复原，获取叶片受虫害程度信息；将数字图像处理技术与高光谱成像技术结合，提取受虫害叶片的完整叶脉，使得对叶脉的研究在不健康叶片上也能展开。主要内容包括：　　 (1)以高光谱图像中的光谱维数据为基础，实现油菜菌核病按感染时间的快速分类。将感染菌核病的油菜高光谱数据按感染时间的不同分为6类。采用基于类间不稳定指数的高光谱波段优选算法进行数据降维，该算法的核心思想是利用最能体现各类样本间差异的波段来对数类样本进行判别。采用群体智能算法寻找神经网络的最优参数，构建优化的神经网络，对输入高光谱数据进行分类运算。该部分内容在论文第四章中详细阐述。　　 (2)以高光谱图像中的空间维数据为基础，实现油菜叶片菜青虫孔自动识别和重构。从高光谱图像中获得受害油菜叶片的精确轮廓，基于高光谱成像技术、数字图像处理技术和神经网络方法，提出一种新的不闭合虫孔定位和重构算法。使得通过计算受损叶面积获得虫害程度信息成为可能。该部分内容在论文第五章中详细阐述。　　 (3)以高光谱图像中的空间维数据为基础，采用导数光谱法和主成分分析法，结合数字图像处理技术，识别受菜青虫轻度危害的叶片的叶脉，寻找一种最优的轻度虫害油菜叶片的叶脉识别算法。该部分内容在论文第六章中详细阐述。　　 本论文的第一章介绍了课题的背景、意义和主要研究内容；第二章介绍了实验材料及设备：第三章介绍了数据处理方法；第四章介绍了油菜受菌核病感染时长的识别算法；第五章介绍了受菜青虫咬噬的油菜叶片的复原算法，可用于计算叶片的受害面积；第六章介绍了受菜青虫轻度危害的油菜叶片的叶脉提取技术，使得对不健康叶片的叶脉分析成为可能；第七章包括研究总结和展望。其中第四章、第五章、第六章是论文的主体部分，分别提出了三种算法用于提取油菜叶片受病虫害危害后的关键信息。论文实现了油菜受主要的病害和虫害影响时的一些关键信息的快速获取，为进一步的防治和管理提供基础，这在科学上和实践中都是很有意义的。