小麥作為我國(guó)重要的糧食作物,其產(chǎn)量預(yù)測(cè)方法也有很多,單位面積穗數(shù)統(tǒng)計(jì)是估產(chǎn)的重要組成部分,本文研究對(duì)象為成熟期小麥,此時(shí)小麥接近收割,為整個(gè)生長(zhǎng)周期的最后階段,排除受其他（天氣、蟲(chóng)害）小概率減產(chǎn)條件影響,對(duì)此時(shí)麥田圖像自動(dòng)計(jì)數(shù),進(jìn)而進(jìn)行產(chǎn)量評(píng)估接近收獲產(chǎn)量,較人工評(píng)估更準(zhǔn)確快捷。針對(duì)自然條件下麥田圖像背景中有部分雜草,麥穗變黃與莖葉土地從顏色角度不易區(qū)分,如何有效分離背景識(shí)別小麥成為本文研究重點(diǎn).為解決小麥拍攝圖像背景噪聲大,本文以2018年5月底商丘農(nóng)科院基地監(jiān)控采集的200張麥田圖像人工挑取30幅作為研究對(duì)象對(duì)采集圖像進(jìn)行預(yù)處理使圖像得到增強(qiáng)后,先利用顏色特征分離雜草,再利用紋理特征進(jìn)行麥穗識(shí)別,最后基于角點(diǎn)進(jìn)行麥穗計(jì)數(shù)。對(duì)大田圖像中雜草采取基于hsv顏色空間下h通值,經(jīng)閾值法分割,并對(duì)分割效果進(jìn)行評(píng)價(jià),得出雜草分割準(zhǔn)確率97.8%;再利用紋理特征對(duì)去除雜草的圖像進(jìn)行麥穗識(shí)別,將圖片網(wǎng)格化劃分小像素塊,提取不同類(lèi)別（小麥、莖葉、土地）基于灰度共生矩陣的四個(gè)紋理特征值進(jìn)行分析,利用改進(jìn)的k-means算法對(duì)紋理特征值聚類(lèi)識(shí)別麥穗;通過(guò)形態(tài)學(xué)處理提取麥穗骨架,基于Harris角點(diǎn)檢測(cè)計(jì)... 

【文章來(lái)源】：河南農(nóng)業(yè)大學(xué)河南省

【文章頁(yè)數(shù)】：43 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１研究技術(shù)路線(xiàn)圖??Ｆｉｇ．１?Ｔｈｅ?ｒｅｓｅａｒｃｈ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ??

３材料準(zhǔn)備??３．?１圖像獲取與人工標(biāo)記??３．?１．?１圖像獲取方式??本文的實(shí)驗(yàn)材料來(lái)自商丘農(nóng)科院實(shí)驗(yàn)基地中監(jiān)控采集的麥田圖像，試驗(yàn)選用的小麥品種為矮抗??「）８，偵爪常規(guī)方ａ進(jìn)行耕作１間苽溉施肥．采ｎ］可幵降監(jiān)拉扱像義對(duì)試驗(yàn)煉地的支ｍ進(jìn)？ｔ數(shù)據(jù)采??集（攝像頭距離麥田８０ｃｍ，拍攝角度與麥田垂直，每個(gè)小時(shí)采集一幅圖像，在夜間不進(jìn)行采集），??通過(guò)傳輸?shù)椒⻊?wù)器存儲(chǔ)設(shè)備進(jìn)行圖像進(jìn)行轉(zhuǎn)碼儲(chǔ)存，其中采集圖片格式為ｊｐｅｇ，分辨率為??１２８０＊１０２４，采集裝置見(jiàn)圖２。??????服￥器存儲(chǔ)??Ｗ可升降覽?ｉｓ§??控?fù)裣耦^??圖２大田麥穗圖像的獲取設(shè)備??Ｆｉｇ．２?Ｆｉｅｌｄ?ｗｈｅａｔ?ｅａｒ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｅｑｕｉｐｍｅｎｔ??本文選用圖像為２０１８年５－６月期間大田真實(shí)環(huán)境下成熟期小麥，田間宥部分雜草，從２００張??圖片中人工挑選３０幅作為研究對(duì)象，刪除了曝光率不足、光照強(qiáng)度過(guò)大、極端天氣卜等無(wú)法識(shí)別??的閣片，選用的部分圖片見(jiàn)圖３．??９??

ＩＨＩＨ??圖４麥田原圖（左）與人工手動(dòng)標(biāo)記圖（右）對(duì)比??Ｆｉｇ．?４?Ｗｈｅａｔ?ｆｉｅＩｄ?ｏｒｉｇｉｎａＩ?ｉｍａｇｅ?（Ｉ?ｅｆｔ）?ｃｏｍｐａｒｅｄ?ｗｉｔｈ?ｍａｎｕａＩ?ｍａｒｋ?ｉｍａｇｅ?（ｒｉｇｈｔ）??３．?２圖像預(yù)處理??３．?２．?１圖像預(yù)處理方法理論基礎(chǔ)??不管我們采用何種裝置取獲取圖像，會(huì)在圖像生成、變換和傳輸過(guò)程中產(chǎn)生的噪聲，使得圖像??變模糊、圖像質(zhì)ｆｉ下降、圖像特征＂＂被淹沒(méi)，得到的圖像跟原圖像有差異，影響我們對(duì)圖片的分??析和理解。所以，需要將圖片中＋需要的特征進(jìn)行衰減，有選擇的突出感興趣的特征，從而提高圖??像可懂性。圖像增強(qiáng)目標(biāo)有兩點(diǎn)：？是提高閣像清晰度，改善視覺(jué)效果；：是轉(zhuǎn)換圖像變成適合機(jī)??器或人分析處理的形式，從而獲得圖片中更多有用的信息。預(yù)處理的［彳的是削弱最好是去除我們不??感興趣的信息，佝往往只能通過(guò)對(duì)原圖像在？定的條件Ｋ變換后更突出。圖像增強(qiáng)方法常用存兩類(lèi)：??頻率域法和空間域法ｕ頻率域是通過(guò)將閣像在？定域內(nèi)做某種變換，Ｍ終再變換冋來(lái)，這種變換間??有一定系數(shù)，通過(guò)對(duì)系數(shù)不同操丨１：，實(shí)現(xiàn)增強(qiáng)效果�？臻g域法是在灰度映射變換的甚礎(chǔ)上，對(duì)像素??點(diǎn)直接操作，具存速度快、操作簡(jiǎn)中－的優(yōu)點(diǎn)》對(duì)于不同類(lèi)型的閣片以及感興趣區(qū)域不同，采取不Ｎ??的、存選擇的預(yù)處理方法。本章對(duì)茇田圖像處理使用：個(gè)：間域法，采用中值濾波器法去除背景噪聲點(diǎn)、??通過(guò)直方圖均衡化使麥田圖像得到增強(qiáng)２個(gè)環(huán)甘。??１．中值濾波器去除圖像噪點(diǎn)??濾波可以突出圖像特征進(jìn)一步對(duì)閣像去除Ｔ－擾：：４］，在交間域的范Ｈ彳內(nèi)其可分非線(xiàn)性濾波和線(xiàn)??性濾波兩類(lèi)，非線(xiàn)性濾波中的中值濾波對(duì)閣像中心和周?chē)纵^大灰度差別的閣像釕

【參考文獻(xiàn)】：
期刊論文
[1]基于圖形處理器的形態(tài)學(xué)重建系統(tǒng)[J]. 何希,吳炎桃,邸臻煒,陳佳.  計(jì)算機(jī)應(yīng)用. 2019(07)
[2]一種改進(jìn)的方向加權(quán)中值濾波算法[J]. 江巨浪,辛倩,朱柱.  安慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]基于中值濾波器的紅外圖像噪聲處理的改進(jìn)方法[J]. 劉智嘉,夏寅輝,楊德振,林昱,徐長(zhǎng)彬.  激光與紅外. 2019(03)
[4]基于數(shù)學(xué)形態(tài)學(xué)和灰度矩的高溫亞像素邊緣檢測(cè)[J]. 柯潔.  工具技術(shù). 2019(03)
[5]基于形態(tài)學(xué)多尺度多結(jié)構(gòu)的熔池圖像邊緣檢測(cè)[J]. 劉曉剛,閆紅方,張榮.  熱加工工藝. 2019(05)
[6]基于隨機(jī)森林回歸的玉米單產(chǎn)估測(cè)[J]. 王鵬新,齊璇,李俐,王蕾,許連香.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(07)
[7]一種融合深度基于灰度共生矩陣的感知模型[J]. 葉鵬,王永芳,夏雨蒙,安平.  計(jì)算機(jī)科學(xué). 2019(03)
[8]基于自由紋理的決策濾波算法[J]. 陳家益,戰(zhàn)蔭偉,曹會(huì)英,吳興達(dá),李小飛.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[9]灰度共生矩陣下的遙感圖像分類(lèi)處理[J]. 王超陽(yáng).  電腦知識(shí)與技術(shù). 2019(05)
[10]基于改進(jìn)K-means聚類(lèi)算法的大田麥穗自動(dòng)計(jì)數(shù)[J]. 劉哲,黃文準(zhǔn),王利平.  農(nóng)業(yè)工程學(xué)報(bào). 2019(03)

碩士論文
[1]基于機(jī)器視覺(jué)的蘋(píng)果特征選擇和分類(lèi)識(shí)別系統(tǒng)[D]. 侯大軍.江蘇大學(xué) 2010



本文編號(hào)：3252382