本文選題：作物行檢測　切入點：視覺導航　出處：《河南理工大學》2016年碩士論文　論文類型：學位論文

【摘要】：本課題的研究內容為基于機器視覺的農田作物行檢測。以農田作物為研究對象,根據(jù)其壟行種植的特點,利用數(shù)字圖像處理技術提取作物行直線,實現(xiàn)農事中耕管理期間農業(yè)機器人自動導航的目標。本文的主要研究內容如下:(1)研究農田作物圖像的灰度轉換和分割過程。通過對不同彩色模型下的農田作物圖像進行分析,提出采用RGB模型研究圖像。綜合考慮了程序的運行時間及處理效果后,提出采用加強綠色分量(G),抑制藍色(B)和紅色分量(R)的顏色特征因子2G-R-B對圖像進行灰度轉換,并利用Otsu法對經過灰度轉換的圖像進行二值化處理分割作物區(qū)域和背景區(qū)域。(2)研究農田作物圖像中作物行特征點的提取方法。根據(jù)農田作物壟行種植的特點,提出了基于移動窗的作物行特征點提取方法和改進的基于移動窗的作物行特征點提取方法。第一種方法通過構造一個矩形窗口,采用每隔五行逐列掃描二值圖像的方法,提取若干能夠代表作物行中心的特征點�？紤]到相鄰兩條水平掃描線之間,同一條作物行的特征點所在的列的位置變化不會很大這樣一個事實,提出了另一種改進的特征點提取方法,首先利用移動窗口在第一條水平掃描線上逐列掃描提取若干作物行特征點,然后在后續(xù)掃描線上,基于前一次掃描獲取的特征點所在的列給出一個小的改變,進行鄰近區(qū)域掃描的方法提取剩余特征點。(3)研究作物行直線檢測方法。針對Hough變換峰值檢測困難的問題,提出了一個基于Hough變換與消隱點的作物行檢測算法。首先利用Hough變換對上一步獲取的特征點圖像進行直線擬合,提取出所有可能的候選作物行,然后利用K-means聚類算法確定作物行直線形成的消隱點的位置,最后利用消隱點原理消除偽執(zhí)作物行,識別出正確的作物行。該算法與其他的基于Hough變換的方法相比,不僅能夠避免峰值尋找的困難,而且具有速度快、更簡單、易于實現(xiàn)的特點。(4)對提出的作物行檢測算法進行試驗驗證與分析。結果表明,本文提出的作物行檢測算法,能夠有效地檢出作物行直線,檢測率達到90%以上。
[Abstract]:The purpose of this paper is to detect crop lines based on machine vision. According to the characteristics of ridge planting, the line line of crop is extracted by digital image processing technology. The main research contents of this paper are as follows: 1) the grayscale conversion and segmentation process of crop images are studied. Through the analysis of cropland crop images under different color models, the main contents of this paper are as follows: (1) the main contents of this paper are as follows: (1) the main contents of this paper are as follows: 1. In this paper, RGB model is used to study images. After considering the running time and processing effect of the program, it is proposed that the color feature factor (2G-R-B), which is used to strengthen the green component and suppress the blue and red components, is used to transform the gray level of the image. The method of extracting crop row feature points from farmland crop image is studied by using Otsu method to segment crop region and background area by binary processing. According to the characteristics of crop ridge planting, the paper studies the method of extracting crop row feature points from field crop image. In this paper, a method of crop row feature point extraction based on moving window and an improved method of crop row feature point extraction based on moving window are proposed. Extract a number of feature points that represent the center of a crop row. Taking into account the fact that the position of the column in which the feature points of the same crop row do not change significantly between two adjacent horizontal scan lines, In this paper, another improved feature point extraction method is proposed. Firstly, a moving window is used to extract a number of crop row feature points on the first horizontal scan line, and then on the subsequent scanning line. Based on the list of feature points obtained from the previous scan, a small change is given, and the residual feature points are extracted by scanning the adjacent region.) the method of crop line line detection is studied. Aiming at the problem of Hough transform peak detection, it is difficult to detect the peak value of crop line. A crop row detection algorithm based on Hough transform and blanking point is proposed. Firstly, the feature point images obtained in the previous step are fitted by Hough transform, and all possible candidate crop rows are extracted. Then, K-means clustering algorithm is used to determine the location of the blanking point formed by the straight line of the crop line, and finally, the false crop row is eliminated by using the blanking point principle, and the correct crop row is recognized. The algorithm is compared with other methods based on Hough transform. It can not only avoid the difficulty of finding the peak value, but also has the characteristics of fast, simpler and easy to realize. The proposed crop row detection algorithm is tested and analyzed. The results show that the crop row detection algorithm proposed in this paper is simple and easy to implement. The linear line of crop can be detected effectively, and the detection rate is over 90%.
【學位授予單位】：河南理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細的漸進式特征點定位算法[J];北京工業(yè)大學學報;2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點的跟蹤算法[J];武漢理工大學學報(交通科學與工程版);2006年03期

3 江詩鋒;何振峰;;基于特征點的行車數(shù)據(jù)序列對齊[J];福州大學學報(自然科學版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識別中基準點的選取與特征點定位[J];西安電子科技大學學報;1998年01期

6 許承慧;劉桂華;梁峰;;非特征點雙目測距技術研究[J];微型機與應用;2013年22期

7 潘翔;章國棟;陳啟華;;三維可變形物體的特征點層次提取[J];計算機科學;2014年04期

8 陶剛,盧昀,李吉桂;細化指紋圖中偽特征點的一體化去除算法[J];現(xiàn)代計算機(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運動目標特征點的算法[J];計算機工程;2003年10期

10 胡迎春,張增芳,梁數(shù);人臉圖像嘴巴特征點自動提取系統(tǒng)[J];廣西工學院學報;2003年02期

相關會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學術研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權;;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術會議論文集[C];2000年

9 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

相關重要報紙文章 前1條

1 本報記者 王宇;芯技術點亮未來[N];電腦報;2010年

相關博士學位論文 前10條

1 劉洪濤;基于視覺的微夾持構件受力與應變測量方法[D];上海交通大學;2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學;2016年

3 廖斌;基于特征點的圖像配準技術研究[D];國防科學技術大學;2008年

4 楊占龍;基于特征點的圖像配準與拼接技術研究[D];西安電子科技大學;2008年

5 楊利敏;圖像特征點定位算法研究及其應用[D];上海交通大學;2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學;2009年

7 魯統(tǒng)偉;前視目標圖像匹配定位技術研究[D];華中科技大學;2008年

8 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術大學;2013年

9 宋琳;無人機飛行途中視覺導航關鍵技術研究[D];西北工業(yè)大學;2015年

10 楊奎元;基于深層結構的圖像內容分析及其應用[D];中國科學技術大學;2012年

相關碩士學位論文 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學;2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點匹配算法研究[D];西安建筑科技大學;2015年

3 馮翔;基于人臉對齊和多特征融合的人臉識別方法研究[D];南京理工大學;2015年

4 姜小會;基于特征點的圖像拼接技術研究[D];山東建筑大學;2015年

5 吳昊;基礎矩陣估計方法研究[D];蘭州大學;2015年

6 陳偉;基于唇形特征的身份識別算法的設計[D];蘭州大學;2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術研究[D];南京理工大學;2015年

8 宋偉;遠程火光瞄準與探測系統(tǒng)設計[D];西安工業(yè)大學;2015年

9 劉智;塑料面膜印刷質量的視覺檢測方法研究[D];沈陽理工大學;2015年

10 任筱強;行星及行星衛(wèi)星著陸探測自主導航方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1649082