隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展,農(nóng)作物病害的自動(dòng)識(shí)別已成為研究熱點(diǎn)。將圖像識(shí)別技術(shù)運(yùn)用在病害診斷中,除解決勞動(dòng)力短缺外,對(duì)提高農(nóng)作物的產(chǎn)量和質(zhì)量,降低經(jīng)濟(jì)成本以及促進(jìn)中國(guó)現(xiàn)代農(nóng)業(yè)發(fā)展也具有重要意義。本文基于四川省教育廳2017年研究項(xiàng)目《基于圖像處理的農(nóng)作物病害智能診斷系統(tǒng)——溫室黃瓜病害圖像自動(dòng)識(shí)別子系統(tǒng)研究與設(shè)計(jì)》的研究成果,利用數(shù)字圖像處理、模式識(shí)別以及軟件技術(shù),研究了溫室大棚黃瓜常見的三種病害圖像預(yù)處理、病斑分割、特征提取和病害識(shí)別的關(guān)鍵算法,并構(gòu)建了黃瓜病害識(shí)別系統(tǒng)。本研究的主要工作如下:（1）使用分段線性變換將采集的RGB圖像調(diào)整為沒有顏色信息干擾的灰度圖像,然后通過(guò)直方圖均衡化計(jì)算對(duì)圖像中灰度級(jí)進(jìn)行展寬或壓縮,提高圖像的清晰度。最后利用噪聲分析,在傳統(tǒng)的中值濾波的基礎(chǔ)上改進(jìn)算法,提出了一種自適應(yīng)的中值濾波算法,更高概率過(guò)濾脈沖噪聲。實(shí)驗(yàn)表明,本文方法能較好地完成圖像預(yù)處理,使圖像在去除噪聲的同時(shí)更好地保持圖像清晰,保留細(xì)節(jié)邊緣。（2）提出了采用直方圖閾值分割法,選擇合適的閾值,將病斑圖像與正常圖像分離。實(shí)驗(yàn)表明,該方法能夠有效地去除復(fù)雜背景,減少對(duì)病斑圖像的干擾,獲取... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)驗(yàn)采集病害圖像樣本

第三章圖像預(yù)處理與分割設(shè)計(jì)13圖3-2灰度分段線性變換圖(a)(b)圖3-3灰度變化結(jié)果對(duì)比(a)原圖；(b)灰度變化之后的圖3.1.1.2直方圖均衡化處理灰度直方圖表示圖像中每種灰度值出現(xiàn)的次數(shù)或概率，是圖像各灰度值統(tǒng)計(jì)特性與值的函數(shù)，體現(xiàn)出一種灰度分布[17]。x軸表示灰度值,取值范圍在0-255，0表示最暗，255表示最亮，從左往右灰度變化由暗變亮，y軸表示圖像中每個(gè)灰度值對(duì)應(yīng)的像素的數(shù)量。由于不同圖像的灰度分布不同，因此直方圖也各不相同，直方圖會(huì)產(chǎn)生峰值，即像素?cái)?shù)量最多的灰度等級(jí)對(duì)應(yīng)的y軸的值。如果圖像偏亮，則峰值在右側(cè)；反之，如果圖像較暗，則峰值在左側(cè)；如果圖像的灰度分布相對(duì)均勻，則圖像中包含的信息量越大，圖像的畫面效果越好[18-19]。直方圖能夠?qū)Ω黝惢叶鹊燃?jí)分布情況進(jìn)行詳細(xì)的概率顯示。通常情況下，圖

第三章圖像預(yù)處理與分割設(shè)計(jì)13圖3-2灰度分段線性變換圖(a)(b)圖3-3灰度變化結(jié)果對(duì)比(a)原圖；(b)灰度變化之后的圖3.1.1.2直方圖均衡化處理灰度直方圖表示圖像中每種灰度值出現(xiàn)的次數(shù)或概率，是圖像各灰度值統(tǒng)計(jì)特性與值的函數(shù)，體現(xiàn)出一種灰度分布[17]。x軸表示灰度值,取值范圍在0-255，0表示最暗，255表示最亮，從左往右灰度變化由暗變亮，y軸表示圖像中每個(gè)灰度值對(duì)應(yīng)的像素的數(shù)量。由于不同圖像的灰度分布不同，因此直方圖也各不相同，直方圖會(huì)產(chǎn)生峰值，即像素?cái)?shù)量最多的灰度等級(jí)對(duì)應(yīng)的y軸的值。如果圖像偏亮，則峰值在右側(cè)；反之，如果圖像較暗，則峰值在左側(cè)；如果圖像的灰度分布相對(duì)均勻，則圖像中包含的信息量越大，圖像的畫面效果越好[18-19]。直方圖能夠?qū)Ω黝惢叶鹊燃?jí)分布情況進(jìn)行詳細(xì)的概率顯示。通常情況下，圖

【參考文獻(xiàn)】：
期刊論文
[1]一種基于模糊C均值聚類的多閾值蘋果病害圖像分割方法[J]. 賈慶節(jié),齊國(guó)紅,忽曉偉.  智能計(jì)算機(jī)與應(yīng)用. 2019(02)
[2]基于顏色特征的水稻病害圖像分割方法研究[J]. 蘇博妮,化希耀,范振岐.  計(jì)算機(jī)與數(shù)字工程. 2018(08)
[3]基于MATLAB的圖像處理空間域?yàn)V波研究[J]. 蘇婕,于蓮芝.  軟件導(dǎo)刊. 2017(08)
[4]基于動(dòng)態(tài)集成的黃瓜葉部病害識(shí)別方法[J]. 王志彬,王開義,王書鋒,王曉鋒,潘守慧.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(09)
[5]基于Android的水稻病害圖像識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 鄭姣,劉立波.  計(jì)算機(jī)工程與科學(xué). 2015(07)
[6]基于Android的水稻害蟲診斷系統(tǒng)[J]. 張谷豐,羅崗,孫雪梅,易紅娟.  應(yīng)用昆蟲學(xué)報(bào). 2015(04)
[7]作物病害圖像形狀特征提取研究[J]. 毋媛媛,刁智華,王會(huì)丹,趙明珍,魏偉.  農(nóng)機(jī)化研究. 2015(01)
[8]基于最優(yōu)二叉樹支持向量機(jī)的蜜柚葉部病害識(shí)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)
[9]基于支持向量機(jī)的黃瓜葉部病害的識(shí)別研究[J]. 張芳,王璐,付立思,田有文.  沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2014(04)
[10]農(nóng)作物病蟲害圖像識(shí)別技術(shù)的研究綜述[J]. 汪京京,張武,劉連忠,黃帥.  計(jì)算機(jī)工程與科學(xué). 2014(07)

博士論文
[1]國(guó)家?guī)r礦化石標(biāo)本資源共享平臺(tái)研究及應(yīng)用[D]. 吳志遠(yuǎn).中國(guó)地質(zhì)大學(xué)(北京) 2015

碩士論文
[1]基于Android的水稻病蟲害圖像識(shí)別與診斷系統(tǒng)的研究[D]. 張永玲.浙江理工大學(xué) 2018
[2]基于圖像處理的黃瓜葉部病害識(shí)別研究[D]. 李旺.湖南農(nóng)業(yè)大學(xué) 2013
[3]基于Android的水稻害蟲圖像采集與識(shí)別系統(tǒng)研究[D]. 姜慧.浙江理工大學(xué) 2013



本文編號(hào)：3410481