針對目前我國農(nóng)作物害蟲診斷大多停留在人工階段,存在著客觀性差、效率低、勞動(dòng)強(qiáng)度大等問題,以及現(xiàn)有的基于圖像識(shí)別的農(nóng)作物害蟲診斷存在很多不足之處,本文對基于圖像識(shí)別的農(nóng)作物害蟲診斷關(guān)鍵理論算法和實(shí)際應(yīng)用進(jìn)行了系統(tǒng)的研究,主要工作概述如下：對基于圖像識(shí)別的農(nóng)作物害蟲診斷的基礎(chǔ)工作做了系統(tǒng)的研究。論述了圖像識(shí)別的基礎(chǔ)問題,包括圖像識(shí)別問題的分類、圖像識(shí)別的基本框架以及傳統(tǒng)的圖像數(shù)據(jù)集。針對課題研究目標(biāo),介紹了兩種害蟲圖像的獲取方式,提出并驗(yàn)證了一種適合害蟲圖像預(yù)處理的方法。提出了農(nóng)作物害蟲圖像數(shù)據(jù)集構(gòu)建原則,并在此原則指導(dǎo)下,利用現(xiàn)有的害蟲圖像資源分別構(gòu)建了水稻、油菜、玉米、大豆四種常見大田作物的害蟲圖像數(shù)據(jù)集�，F(xiàn)有的農(nóng)作物害蟲圖像分割的研究主要集中于簡單背景,或者灰度圖像的自動(dòng)分割,且大多采用閾值分割算法進(jìn)行分割,但現(xiàn)實(shí)場景中,受到環(huán)境因素的影響如作物葉片、雜草、土壤以及光照等,害蟲圖像一般具有復(fù)雜的農(nóng)田背景,因此現(xiàn)有的害蟲圖像自動(dòng)分割算法往往不理想。針對以上問題,本文把基于人機(jī)交互的半自動(dòng)圖像分割算法如GrabCut算法和最大相似度區(qū)域合并算法用于害蟲圖像的分割,并提出了一種結(jié)合紋理顏色... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：104 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
目錄
第1章 緒論
    1.1 研究背景與研究意義
    1.2 圖像識(shí)別應(yīng)用領(lǐng)域及其在農(nóng)作物害蟲診斷中的研究現(xiàn)狀
        1.2.1 圖像識(shí)別的應(yīng)用領(lǐng)域
        1.2.2 基于圖像識(shí)別的農(nóng)作物害蟲診斷研究現(xiàn)狀
    1.3 課題的提出
        1.3.1 存在問題
        1.3.2 課題來源
        1.3.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 基于圖像識(shí)別的農(nóng)作物害蟲診斷基礎(chǔ)研究
    2.1 圖像識(shí)別基礎(chǔ)
        2.1.1 圖像識(shí)別問題分類
        2.1.2 圖像識(shí)別基本框架
        2.1.3 圖像識(shí)別數(shù)據(jù)集
    2.2 農(nóng)作物害蟲圖像的獲取
        2.2.1 簡單背景
        2.2.2 復(fù)雜背景
        2.2.3 兩種圖像獲取方式比較
    2.3 農(nóng)作物害蟲圖像的預(yù)處理
        2.3.1 圖像灰度化
        2.3.2 圖像增強(qiáng)
        2.3.3 預(yù)處理結(jié)果
    2.4 農(nóng)作物害蟲圖像數(shù)據(jù)集
        2.4.1 必要性
        2.4.2 現(xiàn)有的圖片資源
        2.4.3 農(nóng)作物害蟲圖像識(shí)別數(shù)據(jù)集構(gòu)建方法
    2.5 本章小結(jié)
第3章 復(fù)雜背景農(nóng)作物害蟲圖像交互式分割算法研究
    3.1 圖像分割定義與分類
    3.2 害蟲圖像分割研究現(xiàn)狀
    3.3 交互式害蟲圖像分割算法
        3.3.1 Graph Cuts和GrabCut圖像分割算法
        3.3.2 MSRM算法和改進(jìn)的MSRM圖像分割算法
    3.4 本章小結(jié)
第4章 農(nóng)作物害蟲圖像特征提取及多特征融合算法研究
    4.1 特征提取概述
    4.2 害蟲特征提取研究現(xiàn)狀
    4.3 顏色特征
        4.3.1 顏色矩
        4.3.2 顏色直方圖
    4.4 紋理特征
        4.4.1 LBP特征
        4.4.2 灰度共生矩陣
    4.5 形態(tài)特征
    4.6 農(nóng)作物害蟲圖像多特征融合
        4.6.1 特征融合概述
        4.6.2 Fisher線性判別
        4.6.3 歐式距離分類器
        4.6.4 基于多特征融合的農(nóng)作物害蟲圖像識(shí)別
        4.6.5 實(shí)驗(yàn)結(jié)果及分析
    4.7 本章小結(jié)
第5章 基于圖像識(shí)別的農(nóng)作物害蟲診斷系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)概述
    5.2 系統(tǒng)功能
    5.3 系統(tǒng)結(jié)構(gòu)與流程
        5.3.1 總體結(jié)構(gòu)
        5.3.2 主要流程
    5.4 系統(tǒng)實(shí)現(xiàn)
        5.4.1 開發(fā)環(huán)境
        5.4.2 系統(tǒng)界面
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文研究工作總結(jié)
    6.2 下一步工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]昆蟲圖像分割方法及其應(yīng)用[J]. 王江寧,紀(jì)力強(qiáng).  昆蟲學(xué)報(bào). 2011(02)
[2]基于圖像分析的蔬菜食葉害蟲識(shí)別技術(shù)[J]. 蔡清,何東健.  計(jì)算機(jī)應(yīng)用. 2010(07)
[3]模擬退火算法在糧蟲圖像分割中的應(yīng)用[J]. 周龍,牟懌,尤新革.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(05)
[4]基于顏色直方圖及雙樹復(fù)小波變換（DTCWT）的昆蟲圖像識(shí)別[J]. 竺樂慶,張真,張培毅.  昆蟲學(xué)報(bào). 2010(01)
[5]改進(jìn)Split-Merge分割用于蝗蟲圖像[J]. 張煜東,吳樂南,韋耿,吳含前.  計(jì)算機(jī)工程與應(yīng)用. 2009(14)
[6]一種基于邊緣流的圖像分割算法及其應(yīng)用[J]. 李小林.  閩江學(xué)院學(xué)報(bào). 2009(02)
[7]儲(chǔ)糧害蟲圖像識(shí)別中的特征提取[J]. 張紅濤,毛罕平,邱道尹.  農(nóng)業(yè)工程學(xué)報(bào). 2009(02)
[8]基于多特征的EM算法在昆蟲圖像分割中的應(yīng)用[J]. 程小梅,耿國華,周明全,黃世國.  計(jì)算機(jī)應(yīng)用與軟件. 2009(02)
[9]基于多特征綜合的昆蟲識(shí)別研究[J]. 齊麗英.  安徽農(nóng)業(yè)科學(xué). 2009(03)
[10]基于機(jī)器視覺的草地蝗蟲識(shí)別方法[J]. 毛文華,鄭永軍,張銀橋,苑嚴(yán)偉,張小超.  農(nóng)業(yè)工程學(xué)報(bào). 2008(11)

博士論文
[1]大田小麥葉部病害智能診斷系統(tǒng)研究與應(yīng)用[D]. 刁智華.中國科學(xué)技術(shù)大學(xué) 2010
[2]基于圖像的昆蟲識(shí)別關(guān)鍵技術(shù)研究[D]. 黃世國.西北大學(xué) 2008
[3]基于計(jì)算機(jī)視覺的農(nóng)作物病害識(shí)別方法的研究[D]. 宋凱.沈陽農(nóng)業(yè)大學(xué) 2008
[4]基于支持向量機(jī)的植物病害識(shí)別研究[D]. 任東.吉林大學(xué) 2007
[5]基于圖像識(shí)別的作物病蟲草害診斷研究[D]. 王克如.中國農(nóng)業(yè)科學(xué)院 2005

碩士論文
[1]農(nóng)作物病蟲害自動(dòng)測報(bào)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李小琴.浙江工業(yè)大學(xué) 2009
[2]大田害蟲實(shí)時(shí)檢測裝置及其圖像預(yù)處理技術(shù)的研究[D]. 梁義濤.鄭州大學(xué) 2004



本文編號(hào)：3331143