基于图像处理技术的烟叶病害自动识别研究

论文摘要

烟草作为我国重要的经济作物之一,在国民经济中占据着重要地位。同时,烟草病害严重威胁烟叶质量,制约卷烟质量,给农业生产造成严重损失。因此,烟草病害防治是一个亟需解决的问题。传统的烟草病害诊断方法不能及时、准确地解决实际栽培中遇到的病害种类识别问题,这就可能错失了防治病害的最佳时期。鉴于此,本文基于图像处理与识别技术对农作物病虫害进行诊断与识别,以大田环境下采集的主要危害烟叶的两种病害：赤星病与野火病为研究对象进行图像处理与识别方法的研究,为烟草病害及时准确的防治工作提供了可行性。主要取得如下成果：1利用数码相机在烟草种植示范地采集烟叶病害图片样本,在植保专家的建议下采集危害较为严重的烟草赤星病与野火病两种典型病害图片80幅。2研究了图像增强处理方法。主要进行灰度变换处理、灰度图像直方图均衡化、图像平滑的两种滤波器比较。实验证明,中值滤波算法去噪效果好且保留了边缘信息,利于病斑区域的分割,本课题选用中值滤波算法。3.病害叶片图像病斑的分割。比较分析了传统图像分割算法与两种颜色空间的分割算法,发现基于HIS颜色空间的H分量的OTSU分割算法能够有效的将病斑区域从叶片背景中分离出来,在此基础上,利用数学形态学的开闭运算作用于分割后的二值图像,去除了孤立的小点,取得了理想的分割效果。4病斑部位的特征提取。对从正常部分分离出来的病斑部位,通过分析其图像的形状、纹理和颜色三方面的特征,选取合适的特征参量作为病害识别的依据。5病害种类识别。识别方法多种多样,依据第四步提取的特征参量,我们选取了适合本文的基于模糊理论的模糊模式识别方法对病害种类进行识别。并针对本文研究的烟草病害设计了分类器：先建立标准模式空间,而后选取合适的隶属函数,计算它们与各个聚类中心的贴近度,最后依据择近原则进行识别,达到令我们满意的结果。本文的研究内容一方面为我国烟叶病害智能化、自动化、无损诊断与防治提供一定的理论依据,为烟叶病害的网络化远程诊断管理奠定基础；另一方面,研究的结果将能直接应用于烟叶病害的准确诊断,实现病害快速定位识别,为烟叶安全生产提供技术支持,具有重要的科学意义和实际应用价值。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 烟叶病害及其症状
• 1.3 国内外农作物病虫害自动识别研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本文研究的主要内容
• 1.4.1 研究内容
• 1.4.2 技术路线
• 第二章 图像处理识别系统及图像预处理
• 2.1 数字图像处理概述
• 2.2 图像识别系统的组成
• 2.2.1 图像采集
• 2.2.2 图像处理
• 2.2.3 结果输出
• 2.3 本文采用的识别系统
• 2.3.1 烟叶病害的图像采集
• 2.3.2 烟叶病害图像增强处理
• 2.4 本章小结
• 第三章 烟叶病害病斑图像分割方法研究
• 3.1 传统图像分割算法简介
• 3.1.1 基于阈值的分割
• 3.1.2 分水岭分割算法
• 3.1.3 应用传统方法进行病斑分割
• 3.2 图像病斑的分割
• 3.2.1 基于颜色空间分量的病斑分割
• 3.3 基于数学形态学的病叶图像分割的进一步处理
• 3.3.1 数学形态学简介
• 3.3.2 对病叶图像分割后进一步的处理研究
• 3.4 本章小结
• 第四章 图像病斑的特征提取与分析
• 4.1 病斑区域边缘检测与标记
• 4.2 病斑区域特征提取
• 4.2.1 形状特征描述与提取
• 4.2.2 纹理特征描述与提取
• 4.2.3 颜色特征的描述与提取
• 4.3 特征参量的选择
• 4.4 本章小结
• 第五章 基于特征提取的模糊模式识别
• 5.1 模式识别方法概述
• 5.2 模糊数学基本概念
• 5.3 模糊模式识别的基本原则
• 5.4 本文病害识别分类器的设计
• 5.4.1 建立标准模式特征库（样本学习）
• 5.4.2 采用择近原则进行模式识别
• 5.4.3 FCM聚类方法识别
• 5.5 本实验模式识别系统的部分界面
• 5.6 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录:攻读硕士学位期间发表论文