近些年來利用機(jī)器視覺識別田間雜草并進(jìn)行變量噴灑除草劑成為現(xiàn)代精細(xì)農(nóng)業(yè)發(fā)展方向,但傳統(tǒng)的圖像處理技術(shù)多應(yīng)用在對單植株或者小區(qū)域的雜草識別,針對此問題,本論文以雜草群落作為主要研究對象,提出三種不同的提取雜草群落特征的方法,有效地來解決提取雜草群落特征這個(gè)關(guān)鍵性問題。主要工作內(nèi)容包括以下幾個(gè)部分:（1）采用非下采樣剪切波算法（NSST）對雜草群落進(jìn)行特征識別提取,首先介紹了所用到實(shí)驗(yàn)樣本圖像的特點(diǎn),對非下采樣剪切波的原理做了簡單的介紹,并分析了它在表征各向異性信息時(shí)的優(yōu)點(diǎn),詳細(xì)介紹了非下采樣剪切波算法具體的實(shí)現(xiàn)步驟并給出了流程圖,同時(shí)對于不同灰度圖像、不同分割大小、不同尺度和不同識別算法對識別率的影響都給出了詳細(xì)分析。最后得出在HSV（H）灰度圖像分塊大小為128×128像素第三尺度采用SVM分類識別算法識別效果最好的結(jié)論,采用的SVM算法的魯棒性最強(qiáng),其平均識別率可以達(dá)到66.6%,最高識別率可以達(dá)到71.7%。（2）基于交互方法提取ROI區(qū)域中的二值掩模圖像,通過數(shù)據(jù)聚合和相似度匹配得到雜草群落特征圖像,利用不同的識別算法對特征圖像中的特征值進(jìn)行識別分類,在不同掩模圖像下決策樹（Tre... 

【文章來源】：廣西科技大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

實(shí)驗(yàn)樣本圖像

色模型的選取小結(jié)主要介紹在第三章中用到的顏色模型以及顏色模型空間的特性，目顏色模型有 RGB、HSV、2G-R-B 等，RGB 顏色空間是最為常見的一種理也應(yīng)用較為廣泛的一種顏色模型，RGB 圖像其實(shí)質(zhì)是一組三維數(shù)字矩 RGB 顏色模型中的每一個(gè)像素點(diǎn)是由紅色分量、綠色分量、藍(lán)色分量這權(quán)組成。自然界的所有顏色都可以通過三基色的不同比例組合得到。H人類對顏色的感知最為接近的模型。H 代表色調(diào)，S 代表飽和度，V 代表HSV 模型的坐標(biāo)系統(tǒng)可以是圓柱坐標(biāo)系統(tǒng)，但一般用六棱錐來表示，如 HSV 顏色模型圖。如圖 2-2 所示為 RGB 顏色模型圖。

色模型的選取小結(jié)主要介紹在第三章中用到的顏色模型以及顏色模型空間的特性，目顏色模型有 RGB、HSV、2G-R-B 等，RGB 顏色空間是最為常見的一種理也應(yīng)用較為廣泛的一種顏色模型，RGB 圖像其實(shí)質(zhì)是一組三維數(shù)字矩 RGB 顏色模型中的每一個(gè)像素點(diǎn)是由紅色分量、綠色分量、藍(lán)色分量這權(quán)組成。自然界的所有顏色都可以通過三基色的不同比例組合得到。H人類對顏色的感知最為接近的模型。H 代表色調(diào)，S 代表飽和度，V 代表HSV 模型的坐標(biāo)系統(tǒng)可以是圓柱坐標(biāo)系統(tǒng)，但一般用六棱錐來表示，如 HSV 顏色模型圖。如圖 2-2 所示為 RGB 顏色模型圖。

【參考文獻(xiàn)】：
期刊論文
[1]基于Itti-Koch算法的建筑視覺顯著性研究——過白的空間解析[J]. 趙建波,林小莉.  天津大學(xué)學(xué)報(bào)(社會科學(xué)版). 2018(05)
[2]基于卷積網(wǎng)絡(luò)和哈希碼的玉米田間雜草快速識別方法[J]. 姜紅花,王鵬飛,張昭,毛文華,趙博,齊鵬.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(11)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和多信息融合的三維乳腺超聲分類方法[J]. 孔小函,檀韜,包凌云,王廣志.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2018(04)
[4]基于多特征融合和深度置信網(wǎng)絡(luò)的稻田苗期雜草識別[J]. 鄧向武,齊龍,馬旭,蔣郁,陳學(xué)深,劉海云,陳偉烽.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[5]空洞卷積結(jié)合全局池化的卷積神經(jīng)網(wǎng)絡(luò)識別作物幼苗與雜草[J]. 孫俊,何小飛,譚文軍,武小紅,沈繼鋒,陸虎.  農(nóng)業(yè)工程學(xué)報(bào). 2018(11)
[6]聚類與自適應(yīng)波段選擇結(jié)合的高光譜圖像降維[J]. 張悅,官云蘭.  遙感信息. 2018(02)
[7]基于GA-ANN融合算法的棉田雜草特征降維及分類識別[J]. 王淑芬,楊玲香.  河南農(nóng)業(yè)科學(xué). 2018(02)
[8]改進(jìn)Smote算法在不平衡數(shù)據(jù)集上的分類研究[J]. 易未,毛力,孫俊,吳林海.  計(jì)算機(jī)與現(xiàn)代化. 2018(03)
[9]基于視覺注意模型的苗期油菜田間雜草檢測[J]. 吳蘭蘭,徐愷,熊利榮.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(02)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)提取多尺度分層特征識別玉米雜草[J]. 王璨,武新慧,李志偉.  農(nóng)業(yè)工程學(xué)報(bào). 2018(05)

碩士論文
[1]結(jié)合紋理方向性的非下采樣剪切波域數(shù)字水印算法研究[D]. 范帥帥.西北大學(xué) 2017
[2]基于多模激光關(guān)聯(lián)光譜技術(shù)的元素汞分析儀研究[D]. 鄧天瑞.浙江大學(xué) 2017
[3]大樣本手背靜脈特征及分類器設(shè)計(jì)研究[D]. 張科.北方工業(yè)大學(xué) 2014
[4]基于支持向量機(jī)的圖像分類研究[D]. 汪斌.浙江大學(xué) 2013
[5]高清圖像中基于車牌定位的車輛跟蹤和違章檢測[D]. 劉皓.南京理工大學(xué) 2012
[6]基于統(tǒng)計(jì)特征的AGV特殊標(biāo)識符識別方法研究[D]. 齊正罡.吉林大學(xué) 2005



本文編號：3130291