農(nóng)作物病蟲害分類識(shí)別研究既能幫助農(nóng)民快速預(yù)防農(nóng)作物病蟲害,又能減少農(nóng)藥對(duì)生態(tài)環(huán)境的破壞。運(yùn)用群體智能算法和圖像處理技術(shù)能夠有效解決農(nóng)作物病蟲害分類識(shí)別過程中所遇到的關(guān)鍵問題。本文以龍眼病蟲害為研究對(duì)象,通過對(duì)群體智能算法的研究與改進(jìn),將群體智能算法應(yīng)用在彩色病蟲害圖像預(yù)處理、彩色病蟲害圖像分割、彩色病蟲害圖像多特征提取以及彩色病蟲害圖像識(shí)別等方面展開研究。本文所做的科研工作總結(jié)如下:（1）針對(duì)傳統(tǒng)粒子群算法應(yīng)用在圖像識(shí)別的各個(gè)環(huán)節(jié)目標(biāo)優(yōu)化時(shí)存在收斂速度慢和易陷入局部最優(yōu)等問題,提出相應(yīng)的改進(jìn)思路。從兩個(gè)方面來改進(jìn)混沌粒子群算法:一是提出了一種基于混沌理論的二進(jìn)制粒子群算法（CBPSO）,通過將混沌變量相互轉(zhuǎn)化離散的二進(jìn)制向量,改善算法對(duì)離散問題處理的局限性,提升算法的處理速度;二是提出了一種基于自適應(yīng)調(diào)整的混沌粒子群算法（ACPSO）,通過對(duì)慣性權(quán)重的動(dòng)態(tài)調(diào)整,提升算法的搜索效率,提高算法的搜索準(zhǔn)確性。實(shí)驗(yàn)表明改進(jìn)的算法在精度方面和穩(wěn)定性方面是有效的。（2）針對(duì)彩色病蟲害圖像存在圖像背景較為復(fù)雜、后期難以分割等問題,提出了一種基于混沌粒子群算法和模糊聚類的彩色病斑圖像分割方法,首先將顏... 

【文章來源】：華南農(nóng)業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：137 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 前言
    1.1 課題來源
    1.2 研究背景與意義
    1.3 研究現(xiàn)狀分析
        1.3.1 粒子群算法
        1.3.2 病蟲害圖像分割方法
        1.3.3 病蟲害圖像特征提取方法
        1.3.4 病蟲害圖像識(shí)別方法
    1.4 研究目標(biāo)與內(nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)
第2章 粒子群算法
    2.1 粒子群算法相關(guān)理論
        2.1.1 粒子群算法基本形式
        2.1.2 粒子群算法基本流程
        2.1.3 粒子群算法的改進(jìn)
    2.2 基于混沌理論的粒子群算法
        2.2.1 混沌的定義
        2.2.2 基于混沌理論的改進(jìn)思路
        2.2.3 CPSO算法描述
        2.2.4 CPSO算法分析
    2.3 混沌二進(jìn)制粒子群算法
        2.3.1 CBPSO算法描述
        2.3.2 CBPSO算法分析
    2.4 自適應(yīng)混沌粒子群算法
        2.4.1 ACPSO算法描述
        2.4.2 ACPSO算法分析
    2.5 本章小結(jié)
第3章 圖像采集與圖像預(yù)處理
    3.1 圖像獲取
        3.1.1 研究對(duì)象的主要病害
        3.1.2 圖像獲取
    3.2 彩色圖像預(yù)處理
        3.2.1 高斯濾波
        3.2.2 直方圖均衡
        3.2.3 中值濾波
        3.2.4 圖像銳化
    3.3 預(yù)處理結(jié)果與分析
    3.4 本章小結(jié)
第4章 彩色病蟲害圖像分割方法
    4.1 圖像分割技術(shù)
        4.1.1 圖像分割技術(shù)概述
        4.1.2 彩色圖像分割算法分析
    4.2 彩色空間
        4.2.1 彩色空間分析
        4.2.2 基于新彩色空間的選擇
    4.3 基于Otsu和分水嶺算法的彩色病斑圖像分割方法
        4.3.1 算法描述
        4.3.2 梯度計(jì)算
        4.3.3 開閉重建標(biāo)記提取
        4.3.4 Otsu閾值處理
        4.3.5 分水嶺分割
    4.4 基于混沌粒子群算法和模糊聚類的彩色病斑圖像分割方法
        4.4.1 算法描述
        4.4.2 模糊聚類分析
        4.4.3 特征距離
        4.4.4 CPSO-FCM算法設(shè)計(jì)
    4.5 結(jié)果與分析
    4.6 本章小結(jié)
第5章 彩色病蟲害圖像的多特征提取方法
    5.1 顏色特征提取
        5.1.1 顏色特征提取方法
        5.1.2 基于新顏色空間和顏色矩的顏色特征提取方法及分析
    5.2 紋理特征提取
        5.2.1 紋理特征提取方法
        5.2.2 基于GLCM和LBP的紋理特征提取方法及分析
    5.3 形狀特征提取
        5.3.1 形狀特征提取方法
        5.3.2 基于Hu不變矩的形狀特征提取方法及分析
    5.4 局部特征提取
        5.4.1 局部特征提取方法
        5.4.2 基于改進(jìn)的SURF的局部特征提取方法及分析
    5.5 特征選擇
        5.5.1 基于主成分分析法的多特征選擇算法
        5.5.2 基于二進(jìn)制混沌粒子群算法的多特征選擇算法
    5.6 結(jié)果與分析
        5.6.1 樣本數(shù)據(jù)的選擇
        5.6.2 結(jié)果分析
    5.7 .本章小結(jié)
第6章 彩色病蟲害圖像識(shí)別方法
    6.1 支持向量機(jī)
        6.1.1 概述
        6.1.2 支持向量機(jī)參數(shù)優(yōu)化選擇
    6.2 基于PSO-SVM的農(nóng)作物病蟲害識(shí)別方法
        6.2.1 PSO-SVM分類算法
        6.2.2 結(jié)果與分析
    6.3 基于ACPSO-SVM的農(nóng)作物病蟲害識(shí)別方法
        6.3.1 ACPSO-SVM分類算法
        6.3.2 結(jié)果與分析
    6.4 有效支持向量機(jī)參數(shù)選擇方法分析
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)
附錄 攻讀博士學(xué)位期間的科研成果



本文編號(hào)：3636621