【摘要】：圖像處理技術(shù)是應(yīng)用于圖像運(yùn)算和處理的技術(shù),一般情況下圖像處理技術(shù)將真實(shí)的圖像信號(hào)轉(zhuǎn)化為數(shù)字圖像信號(hào),從而利用計(jì)算機(jī)進(jìn)行相關(guān)的處理。圖像處理目前在許多領(lǐng)域都得到了廣泛的應(yīng)用,在農(nóng)業(yè)領(lǐng)域中的應(yīng)用主要有:病蟲害識(shí)別、農(nóng)業(yè)作物形狀識(shí)別、農(nóng)作物果實(shí)成熟度識(shí)別以及農(nóng)作物生長狀態(tài)檢測(cè)等,取得了一定的成果。目前農(nóng)業(yè)在干旱監(jiān)測(cè)方面,無論是理論上還是技術(shù)手段上均面臨著較大的瓶頸。為實(shí)現(xiàn)對(duì)玉米植株的旱情的分析,克服現(xiàn)有技術(shù)的不足,本文提出一種基于多特征融合的玉米前期圖像旱情識(shí)別方法。本文針對(duì)所獲取到的五種干旱水平的樣本(正常、輕旱、中旱、重旱、特旱)進(jìn)行相關(guān)研究。所做的主要的工作有:(1)采用聚類中的K-means++算法對(duì)所獲取到的原始玉米圖像進(jìn)行分割,較好地提取了玉米葉片,為后續(xù)的特征提取打下了堅(jiān)實(shí)的基礎(chǔ)。(2)為了更加全面的描述圖像的特征,本文提取了包括顏色、SVD、紋理三種圖像特征,并且將三種特征進(jìn)行融合從而構(gòu)建了特征數(shù)據(jù)庫。(3)為了減小三種特征直接融合對(duì)搭建的分類模型造成影響,本文采用遺傳算法對(duì)特征數(shù)據(jù)集進(jìn)行優(yōu)化選擇。(4)在最優(yōu)特征子集的基礎(chǔ)上構(gòu)建了基于最小二乘支持向量機(jī)的分類模型,從識(shí)別結(jié)果可以看出,本文的方法能夠有效地對(duì)玉米圖像的旱情狀況進(jìn)行識(shí)別。結(jié)果表明本文所提出的算法對(duì)玉米前期植株的不同旱情等級(jí)的識(shí)別情況的有較好的效果,并且為農(nóng)業(yè)旱情的識(shí)別提供了新思路。
【圖文】：

天津大學(xué)碩士學(xué)位論文本文中采用 RGB 彩色空間的閾值分割方法，分別對(duì) RGB 圖像的三個(gè)通道進(jìn)行閾值的確定，然后在 RGB 圖像中，根據(jù)所確定的三個(gè)閾值，從而進(jìn)行目標(biāo)和背景的分割。2.2.2 三通道閾值的確定本文通過截取樣例圖像中的玉米葉片的部分圖像，進(jìn)行實(shí)驗(yàn)，從而獲取玉米葉片圖像的 R、G、B 值的分布范圍，確定閾值分割的閾值范圍。

綠色葉片2RGB直方圖
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;S513;S423

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

3 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識(shí)與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測(cè)圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

5 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標(biāo)圖像邊緣信息的融合與恢復(fù)方法[J];科技通報(bào);2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

相關(guān)會(huì)議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會(huì)第十屆全國圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

6 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

7 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測(cè)系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

8 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

9 王世平;馬時(shí)平;李權(quán)合;何林遠(yuǎn);王晨;丁文杉;劉坤;;一種基于邊緣約束的快速圖像去霧算法[A];第八屆中國航空學(xué)會(huì)青年科技論壇論文集[C];2018年

10 楊唐文;王敏杰;秦勇;;融合圖像邊緣和區(qū)域特征的道路檢測(cè)算法[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)重要報(bào)紙文章 前6條

1 侯杰;國產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動(dòng)[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 ;令挑剔的人也刮目相看[N];中國電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

2 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

3 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

4 張文靜;光場(chǎng)成像技術(shù)在天空偏振模式測(cè)量和湍流圖像清晰化中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2016年

5 左承林;圖像非局部均值去噪方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

6 王丹;基于暗通道先驗(yàn)的圖像和視頻去霧模型及算法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

7 宋文青;SAR圖像自動(dòng)目標(biāo)提取方法研究[D];西安電子科技大學(xué);2018年

8 楊濱;圖像克隆拼接篡改盲取證技術(shù)研究[D];湖南大學(xué);2014年

9 張s，

本文編號(hào)：2696875