農(nóng)作物病害是我國主要的農(nóng)業(yè)災(zāi)害之一,病害類型準(zhǔn)確識別是防治農(nóng)作物病害的關(guān)鍵。論文針對當(dāng)下農(nóng)作物病害識別主要針對單一農(nóng)作物及現(xiàn)有偵測技術(shù)檢測識別率較低的問題,綜合利用計(jì)算機(jī)視覺、圖像處理、模式識別等領(lǐng)域的知識,展開了對小麥、玉米、花生、棉花四種農(nóng)作物常見葉部病害的識別方法研究。主要研究內(nèi)容如下:1)首先采集了華北地區(qū)大面積種植的小麥、玉米、花生、棉花四種農(nóng)作物常見的22種葉部病害共422個(gè)病害樣本圖像,在完成對每張病害圖像葉片和病斑分割的基礎(chǔ)上,分別提取了描述農(nóng)作物種類的葉片特征參數(shù)和描述病害類型的病斑特征參數(shù);然后將這兩類特征參數(shù)組合、歸一化處理,得到病害圖像的數(shù)據(jù)特征向量,構(gòu)建了一個(gè)農(nóng)作物葉部病害數(shù)據(jù)集;最后根據(jù)研究成果和研究需求,編制了一個(gè)農(nóng)作物葉部病害處理與特征提取軟件。2)實(shí)驗(yàn)表明,直接利用病害原始數(shù)據(jù)特征進(jìn)行病害識別,識別效率不夠理想。為了進(jìn)一步提高農(nóng)作物葉部病害識別率,本文選擇特征選擇的方法去掉病害特征中的冗余信息以及干擾信息。在判別局部保留映射算法的基礎(chǔ)上,本文提出一種基于L_2,p范數(shù)的判別局部保留映射算法進(jìn)行特征選擇。具體地,基于判別的局部保持映射... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

部分農(nóng)作物葉部病害原始圖像

(b) 玉米大斑病葉片分割結(jié)果圖像(c) 花生褐斑病葉片分割結(jié)果 (d) 棉花黃萎病葉片分割結(jié)果圖像圖2-2 部分農(nóng)作物葉部病害圖像葉片分割結(jié)果2.2.3 病斑分割近年來，基于高斯混合模型聚類[73]、譜聚類[74]以及均值漂移聚類[75]的圖像分割方法得到了廣泛地應(yīng)用。聚類算法[71]的目標(biāo)是根據(jù)一定的相似性準(zhǔn)則對待劃分的數(shù)據(jù)對象進(jìn)行分類，使得相似的數(shù)據(jù)對象，盡可能的被劃分為一類，不相似的對象盡可能的被劃分到不同類中。聚類算法是一種無監(jiān)督的統(tǒng)計(jì)分類方法，該算法的最大的特點(diǎn)就是數(shù)據(jù)對象在劃分過程中無需任何先驗(yàn)知識，而是根據(jù)一定的相似性準(zhǔn)則將數(shù)據(jù)對象劃分到各個(gè)類中。其中相似性準(zhǔn)則中度量參數(shù)的確定是由描述對象數(shù)據(jù)的屬性所決定，通常選取

該點(diǎn)附近的峰值，從而實(shí)現(xiàn)樣本的聚類。該算圖像的基本特征、減少圖像中基本實(shí)體的數(shù)目思想如下：假設(shè)ix ， i =1, 2, ,n ，是一個(gè)d 維x的均值漂移向量可表示如下：( ) ( )1k∈= i hh ix SM x x - x 表示高維的半徑為 h 的球區(qū)域，x 表示這個(gè)球區(qū)示點(diǎn)ix 相對于基準(zhǔn)點(diǎn) x 的偏移向量， ( )hM x 量累加求和后再求取平均值。如果點(diǎn)ix 是從連觀點(diǎn)來看，hS 內(nèi)區(qū)域內(nèi)大多數(shù)樣本點(diǎn)的均值向中最終均值漂移向量 ( )hM x 的方向?yàn)槠錁颖军c(diǎn)的直觀圖如圖 2-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于葉片病斑特征的茄子褐紋病識別方法[J]. 田凱,張連寬,熊美東,黃志豪,李就好.  農(nóng)業(yè)工程學(xué)報(bào). 2016(S1)
[2]基于改進(jìn)均值漂移算法的綠色作物圖像分割方法[J]. 伍艷蓮,趙力,姜海燕,郭小清,黃芬.  農(nóng)業(yè)工程學(xué)報(bào). 2014(24)
[3]結(jié)合高斯回歸模型和隱馬爾可夫隨機(jī)場的模糊聚類圖像分割[J]. 趙雪梅,李玉,趙泉華.  電子與信息學(xué)報(bào). 2014(11)
[4]基于最優(yōu)二叉樹支持向量機(jī)的蜜柚葉部病害識別[J]. 張建華,孔繁濤,李哲敏,吳建寨,陳威,王盛威,朱孟帥.  農(nóng)業(yè)工程學(xué)報(bào). 2014(19)
[5]基于支持向量機(jī)的黃瓜葉部病害的識別研究[J]. 張芳,王璐,付立思,田有文.  沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào). 2014(04)
[6]基于葉片圖像和環(huán)境信息的黃瓜病害識別方法[J]. 王獻(xiàn)鋒,張善文,王震,張強(qiáng).  農(nóng)業(yè)工程學(xué)報(bào). 2014(14)
[7]基于局部判別映射算法的玉米病害識別方法[J]. 張善文,張傳雷.  農(nóng)業(yè)工程學(xué)報(bào). 2014(11)
[8]農(nóng)業(yè)物聯(lián)網(wǎng)研究與應(yīng)用現(xiàn)狀及發(fā)展對策研究[J]. 葛文杰,趙春江.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2014(07)
[9]基于機(jī)器視覺的玉米葉片透射圖像特征識別研究[J]. 唐俊,鄧立苗,陳輝,欒濤,馬文杰.  中國農(nóng)業(yè)科學(xué). 2014(03)
[10]基于改進(jìn)BP算法的玉米葉部病害圖像識別研究[J]. 劉麗娟,劉仲鵬.  江蘇農(nóng)業(yè)科學(xué). 2013(11)

博士論文
[1]基于數(shù)字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D]. 石媛媛.浙江大學(xué) 2011

碩士論文
[1]基于聚類的圖像目標(biāo)分割方法研究[D]. 王海鷹.西安電子科技大學(xué) 2014
[2]基于圖像處理技術(shù)的溫室黃瓜病害識別系統(tǒng)研究[D]. 董丕霞.沈陽工業(yè)大學(xué) 2013
[3]基于均值漂移和改進(jìn)的蟻群聚類算法的圖像分割[D]. 劉玲星.中南大學(xué) 2012
[4]基于圖論理論的圖像分割算法的研究[D]. 廖武忠.重慶大學(xué) 2012
[5]大豆葉片視覺信息提取及氮素缺超診斷模型研究[D]. 馬莉莉.東北農(nóng)業(yè)大學(xué) 2011
[6]基于閾值的圖像分割算法的研究[D]. 劉東菊.北京交通大學(xué) 2009
[7]基于計(jì)算機(jī)視覺技術(shù)的黃瓜葉部病害自動診斷研究[D]. 岑喆鑫.中國農(nóng)業(yè)科學(xué)院 2008



本文編號：3514657