本文關(guān)鍵詞：基于圖像處理的草莓病害識(shí)別方法研究

  更多相關(guān)文章： 草莓蛇眼病害 分水嶺 圖像分割 特征提取 支持向量機(jī)

【摘要】：草莓葉片是反映其生長(zhǎng)狀態(tài)的重要部分。為了實(shí)現(xiàn)對(duì)草莓的生長(zhǎng)狀態(tài)監(jiān)測(cè),需要對(duì)其葉片的健康狀況進(jìn)行持續(xù)監(jiān)測(cè),而對(duì)草莓葉片部分是否異常的診斷可以對(duì)種植者是否噴藥、噴藥種類及噴藥量進(jìn)行指導(dǎo)。對(duì)自然光下草莓圖像進(jìn)行病害識(shí)別面臨的主要困難是光線不一致導(dǎo)致葉片有陰影、綠色葉片重疊導(dǎo)致目標(biāo)與背景不好分割以及病害特征難以選取。本文針對(duì)草莓蛇眼病害圖像的分割與識(shí)別,提出了基于標(biāo)記的改進(jìn)的分水嶺圖像分割算法和基于紋理統(tǒng)計(jì)特征的支持向量機(jī)(Support Vector Machine,SVM)的圖像識(shí)別方法。該方法首先利用顏色閾值提取草莓葉片區(qū)域圖像。之后對(duì)HSV彩色空間內(nèi)的灰度圖像以及邊緣梯度圖像進(jìn)行處理來(lái)分別獲取前景標(biāo)記與背景標(biāo)記,并采用強(qiáng)制極小值技術(shù)對(duì)兩種標(biāo)記進(jìn)行標(biāo)定,在此基礎(chǔ)上使用標(biāo)準(zhǔn)分水嶺變換方法即可提取出草莓單葉片圖像。然后對(duì)提取出的草莓單葉片圖像求取歸一化灰度直方圖,并依據(jù)該直方圖進(jìn)行8個(gè)紋理統(tǒng)計(jì)特征的提取與融合,最后使用SVM方法對(duì)葉片進(jìn)行病害識(shí)別。分水嶺方法可以有效地分割草莓病害圖像,而通過SVM這種模式識(shí)別方法能夠識(shí)別草莓單葉片圖像中是否存在病害。本論文基于圖像處理方法進(jìn)行草莓病害識(shí)別,主要進(jìn)行了以下幾個(gè)方面的研究:(1)對(duì)草莓原始圖像進(jìn)行預(yù)分割提取,主要使用超綠色分量突出,圖像增強(qiáng),閾值分割以及腐蝕與膨脹等操作,以此來(lái)完成草莓病害圖像中的復(fù)雜背景的去除和葉片區(qū)域的提取;(2)將綠色葉片區(qū)域圖像轉(zhuǎn)換為HSV彩色空間內(nèi)的灰度圖像,對(duì)此灰度圖像進(jìn)行標(biāo)記處理,再使用分水嶺方法提取出草莓單葉片圖像,這些單葉片圖像將用于后續(xù)的病害識(shí)別;(3)對(duì)分割出的單個(gè)草莓葉片圖像進(jìn)行灰度化處理,然后求取歸一化灰度直方圖,并提取其8個(gè)統(tǒng)計(jì)特征,包括平均灰度、標(biāo)準(zhǔn)偏差、三階中心矩、平滑度、均勻性、平均信息量、最大概率灰度級(jí)、灰度范圍,最終形成特征向量;(4)分別使用SVM、K-近鄰(K Nearest Neighbor,KNN)和樸素貝葉斯(Naive Bayes,NB)方法對(duì)草莓葉片圖像樣本特征向量進(jìn)行訓(xùn)練與識(shí)別,通過比對(duì)三種方式的識(shí)別效果可以看出,SVM比其他兩種方法的識(shí)別準(zhǔn)確率高,比較適用于草莓病害的識(shí)別;(5)使用Matlab進(jìn)行軟件編程來(lái)仿真實(shí)現(xiàn)系統(tǒng)流程,并利用VS2010中的MFC控件,結(jié)合OpenCV來(lái)建立草莓病害識(shí)別軟件系統(tǒng),以將文中提出算法進(jìn)行實(shí)際應(yīng)用。
【關(guān)鍵詞】：草莓蛇眼病害 分水嶺 圖像分割 特征提取 支持向量機(jī)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 緒論13-21
• 1.1 研究背景及意義13-14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-17
• 1.3 常用的圖像分割與識(shí)別方法17-20
• 1.3.1 圖像分割方法17-19
• 1.3.2 圖像識(shí)別方法19-20
• 1.4 本文主要內(nèi)容和組織結(jié)構(gòu)20-21
• 第二章 草莓圖像分割21-33
• 2.1 數(shù)字圖像的表示21
• 2.2 彩色模型21-26
• 2.2.1 RGB彩色模型22-23
• 2.2.2 HSV彩色模型23-24
• 2.2.3 RGB彩色空間到HSV彩色空間的轉(zhuǎn)化24-25
• 2.2.4 綠色分量突出25-26
• 2.3 圖像增強(qiáng)與閾值分割26-29
• 2.3.1 直方圖均衡化26-27
• 2.3.2 閾值處理27-29
• 2.4 綠色葉片區(qū)域圖像的提取29-30
• 2.5 本章小結(jié)30-33
• 第三章 使用改進(jìn)的分水嶺方法提取草莓單葉片圖像33-49
• 3.1 二值圖像形態(tài)學(xué)處理33-34
• 3.1.1 膨脹和腐蝕33-34
• 3.1.2 開操作與閉操作34
• 3.2 灰度圖像形態(tài)學(xué)處理34-35
• 3.2.1 膨脹和腐蝕34-35
• 3.2.2 形態(tài)學(xué)圖像梯度35
• 3.2.3 開操作與閉操作35
• 3.3 傳統(tǒng)分水嶺算法35-39
• 3.3.1 分水嶺變換的算法描述36-38
• 3.3.2 分水量變換的直接應(yīng)用38-39
• 3.4 基于標(biāo)記的分水嶺分割算法39-44
• 3.4.1 改進(jìn)算法的流程39-41
• 3.4.2 數(shù)學(xué)形態(tài)學(xué)運(yùn)算41-42
• 3.4.3 前景標(biāo)記與背景標(biāo)記42-44
• 3.5 草莓單葉片提取結(jié)果分析44-48
• 3.5.1 單葉片提取效果44-46
• 3.5.2 分割效果分析46-48
• 3.6 本章小結(jié)48-49
• 第四章 特征提取49-57
• 4.1 特征選擇49-51
• 4.1.1 顏色特征49-50
• 4.1.2 形狀特征50
• 4.1.3 紋理特征50-51
• 4.2 特征提取51-56
• 4.2.1 灰度直方圖51-54
• 4.2.2 特征提取與特征融合54-56
• 4.3 本章小結(jié)56-57
• 第五章 基于SVM的草莓病害識(shí)別57-67
• 5.1 SVM概述57-62
• 5.1.1 VC維理論及推廣性57-58
• 5.1.2 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理58-59
• 5.1.3 SVM的基本原理59-60
• 5.1.4 SVM的學(xué)習(xí)算法60-61
• 5.1.5 SVM的優(yōu)點(diǎn)61
• 5.1.6 SVM的一般步驟61-62
• 5.2 支持向量分類算法62-64
• 5.2.1 線性可分情形62-63
• 5.2.2 非線性可分情況63-64
• 5.3 K-近鄰及樸素貝葉斯方法64
• 5.3.1 K-近鄰方法64
• 5.3.2樸素貝葉斯方法64
• 5.4 SVM算法在草莓病害識(shí)別中的應(yīng)用64-65
• 5.4.1 SVM算法的實(shí)現(xiàn)過程64-65
• 5.4.2 分類結(jié)果分析65
• 5.5 本章小結(jié)65-67
• 第六章 草莓病害識(shí)別的工程實(shí)現(xiàn)67-77
• 6.1 硬件系統(tǒng)配置67
• 6.2 草莓病害識(shí)別算法工程中的軟件技術(shù)67-72
• 6.2.1 MATLAB軟件與其圖像處理工具箱68
• 6.2.2 OpenCV68-71
• 6.2.3 動(dòng)態(tài)鏈接庫(kù)71-72
• 6.3 病害識(shí)別系統(tǒng)功能介紹72-75
• 6.3.1 病害識(shí)別系統(tǒng)的設(shè)計(jì)72-73
• 6.3.2 草莓單葉片病害識(shí)別系統(tǒng)實(shí)現(xiàn)界面73-75
• 6.4 本章小結(jié)75-77
• 第七章 總結(jié)與建議77-79
• 7.1 論文總結(jié)77
• 7.2 論文建議77-79
• 參考文獻(xiàn)79-85
• 致謝85-87
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄87

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;圖像處理中心簡(jiǎn)介[J];宇航學(xué)報(bào);2001年04期

2 陳伯濤;辦公室里新來(lái)的圖像處理專家[J];電子與電腦;2001年03期

3 嚴(yán)肅;圖像處理超出狹義的范圍[J];中南民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2001年02期

4 ;數(shù)據(jù)圖像處理三大技術(shù)[J];計(jì)算機(jī)時(shí)代;2004年12期

5 魏麒,何勇;圖像處理中的一個(gè)兩階段半雜交流水作業(yè)問題(英文)[J];Applied Mathematics:A Journal of Chinese Universities;2005年04期

6 阿飛;圖像處理軟件的色彩車間——“通道”[J];電腦愛好者;2005年03期

7 潘路;趙文娟;;圖像處理課程教學(xué)探討[J];中國(guó)西部科技;2006年22期

8 蘇曉;;基于GDI+的自建圖像處理庫(kù)[J];當(dāng)代經(jīng)理人;2006年09期

9 汪新星;吳秀玲;劉衛(wèi)平;孫俊英;;高分辨電子顯微像圖像處理技術(shù)的應(yīng)用[J];材料導(dǎo)報(bào);2007年06期

10 楊琛;;圖像處理中分辨率的選取[J];科技信息(學(xué)術(shù)研究);2008年10期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 苑廷剛;李愛東;李汀;艾康偉;嚴(yán)波濤;;圖像處理技術(shù)在田徑科研中的應(yīng)用初探[A];第七屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編（二）[C];2004年

2 黃海永;朱浩;王朔中;;圖像處理軟件中宏結(jié)構(gòu)的實(shí)現(xiàn)和擴(kuò)展[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

3 楊文杰;劉浩學(xué);;基于馬爾可夫場(chǎng)理論的圖像處理新方法評(píng)述[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

4 王晉疆;劉文耀;肖松山;陳曉東;孫正;;光電圖像處理課程中教學(xué)環(huán)節(jié)的設(shè)計(jì)[A];光電技術(shù)與系統(tǒng)文選——中國(guó)光學(xué)學(xué)會(huì)光電技術(shù)專業(yè)委員會(huì)成立二十周年暨第十一屆全國(guó)光電技術(shù)與系統(tǒng)學(xué)術(shù)會(huì)議論文集[C];2005年

5 王鵬;;圖像處理技術(shù)與實(shí)驗(yàn)數(shù)據(jù)處理[A];全面建設(shè)小康社會(huì)：中國(guó)科技工作者的歷史責(zé)任——中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

6 王曉劍;曹婉;王莎莎;;一種基于高速DSP的圖像處理應(yīng)用平臺(tái)[A];2008中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)論文集（Ⅲ）[C];2008年

7 張煒;蔣大林;郎芬玲;曹廣鑫;王秀芬;;圖像處理技術(shù)應(yīng)用于選礦領(lǐng)域的綜述[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

8 劉春桐;趙兵;張志利;仲啟媛;;基于圖像處理的自動(dòng)瞄準(zhǔn)系統(tǒng)精度研究[A];全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

9 李向榮;;美式落袋球自動(dòng)擺球系統(tǒng)的圖像處理研究[A];2008中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)論文集（Ⅲ）[C];2008年

10 周榮官;周醒馭;;地質(zhì)雷達(dá)圖像處理在崩塌隱患探測(cè)中的應(yīng)用及分析[A];第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 新疆大學(xué)紡織與服裝學(xué)院 袁春燕;圖像處理技術(shù)讓數(shù)據(jù)更真實(shí)[N];中國(guó)紡織報(bào);2013年

2 楊朝暉;我鄰域圖像處理達(dá)到每秒1350億次超高速[N];科技日?qǐng)?bào);2008年

3 吳啟海;圖像處理時(shí)8位/通道或16位/通道模式的選擇探討[N];中國(guó)攝影報(bào);2012年

4 殷幼芳;印前圖像處理技術(shù)對(duì)印刷質(zhì)量的影響[N];中國(guó)包裝報(bào);2005年

5 徐和德;圖像處理要適度[N];中國(guó)攝影報(bào);2006年

6 記者 申明;中星微發(fā)布場(chǎng)景高保真圖像處理技術(shù)[N];科技日?qǐng)?bào);2010年

7 楊玉軍;郵編圖像處理技術(shù)通過驗(yàn)收[N];中國(guó)郵政報(bào);2000年

8 董長(zhǎng)生 吳志軍;用圖像處理軟件推動(dòng)刑偵信息技術(shù)工作[N];人民公安報(bào);2003年

9 殷幼芳;藝術(shù)化的圖像處理技術(shù)[N];中國(guó)包裝報(bào);2006年

10 ;富士圖像處理方案走進(jìn)手機(jī)[N];計(jì)算機(jī)世界;2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 羅軍;圖像處理快速算法研究與硬件化[D];武漢大學(xué);2014年

2 孫傳猛;煤巖圖像處理及細(xì)觀損傷本構(gòu)模型研究[D];重慶大學(xué);2015年

3 嵇曉平;基于各向異性擴(kuò)散方程圖像處理問題的研究[D];哈爾濱工業(yè)大學(xué);2015年

4 黎海生;量子圖像處理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 季雷;光輻射對(duì)生物體影響的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

6 劉宇飛;基于模型修正與圖像處理的多尺度結(jié)構(gòu)損傷識(shí)別[D];清華大學(xué);2015年

7 程科;模糊形態(tài)學(xué)技術(shù)及其在圖像處理中的應(yīng)用[D];南京理工大學(xué);2006年

8 張文星;增廣拉格朗日型算法及其在圖像處理中的應(yīng)用[D];南京大學(xué);2012年

9 付樹軍;圖像處理中幾何驅(qū)動(dòng)的變分和偏微分方程方法研究[D];北京交通大學(xué);2008年

10 李衛(wèi)斌;SAR圖像處理的若干關(guān)鍵技術(shù)[D];西安電子科技大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 杜高峰;基于opencv圖像處理的列車受電弓動(dòng)態(tài)特性監(jiān)測(cè)方法研究[D];西南交通大學(xué);2015年

2 王世豪;基于小波及壓縮感知的圖像處理方法及應(yīng)用研究[D];燕山大學(xué);2015年

3 牛蕾;基于非線性動(dòng)力系統(tǒng)的圖像處理[D];東北林業(yè)大學(xué);2015年

4 宋君毅;基于圖像處理的魚群監(jiān)測(cè)技術(shù)研究[D];天津理工大學(xué);2015年

5 古偉楷;基于異構(gòu)計(jì)算技術(shù)的視頻與圖像處理研究[D];華南理工大學(xué);2015年

6 康睿;基于圖像處理的砂土顆粒細(xì)觀特性分析[D];寧夏大學(xué);2015年

7 趙杰;柴油噴霧粒子圖像處理及軟件的設(shè)計(jì)[D];長(zhǎng)安大學(xué);2015年

8 石璐;基于圖像處理的礦質(zhì)混合料級(jí)配檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

9 李麗君;基于圖像處理的玉米葉部病害識(shí)別研究[D];四川農(nóng)業(yè)大學(xué);2014年

10 潘弋;基于智能手機(jī)嵌入式圖像處理和移動(dòng)網(wǎng)絡(luò)應(yīng)用研究[D];上海交通大學(xué);2015年

，

本文編號(hào)：870009