农作物病害图像处理系统

论文摘要

为保证有效合理地施用农药防治农作物病害,农业生产者必须准确的获取作物的生长信息,这样,农业生产者可根据获得的病害信息快速、准确的诊断受害作物的病因以及受害程度,因病治宜。首先构建了由数码相机和自制的手持式载物台组成的野外图像采集装置。其次,利用作物叶部病斑信息,将改进的矢量中值滤波方法应用于作物病害图像的预处理中,并将其实验结果与理想滤波器效果进行对比,结果表明,该方法运算速度快,图像显示效果令人满意。针对农作物病害图像模糊和不确定的特点,采用RGB颜色空间,运用统计模式识别的Fisher线性判决法,成功的分割出黄瓜霜霉病的病斑,在此基础上,利用数学形态学中的开闭运算,实现了对分割后的病害图像去除孤立的小点、毛刺及填补了小空洞,获得了理想的图像处理效果。对40幅图像进行分割,有效率达到97.8%。最后,针对黄瓜霜霉病,提取了几个形状特征值,作为病害诊断模型的输入值。然后选择样本对人工神经网络进行测试。采用3层完全结合方式的Bp神经网络来建立黄瓜霜霉病的诊断模型,病害的5个特征值作为网络的输入,隐含层设计神经元个数为30,输出层的神经元个数为4,经过训练,网络满足训练目标。本文从算法理论研究入手,以计算机图像处理为技术手段,以VC++语言为编程语言,综合运用计算机图像处理技术、人工神经网络和统计模式识别方法,对作物病害图像的处理和诊断技术进行了研究。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.1.1 课题背景
• 1.1.2 研究的意义
• 1.2 国内外研究现状及发展动态
• 1.3 课题研究主要内容
• 1.3.1 病害图像的采集
• 1.3.2 病害图像的预处理
• 1.3.3 病害图像的分割
• 1.3.4 病害诊断模型的建立
• 第2章 农作物病害图像的采集和预处理
• 2.1 病害图像数据的采集
• 2.2 数字图像基础
• 2.2.1 位图文件存储格式
• 2.2.2 BMP 文件格式
• 2.2.3 颜色空间
• 2.3 农作物病害图像的去噪和增强处理
• 2.3.1 传统图像增强方法的分析
• 2.3.2 基于矢量中值滤波的图像增强
• 第3章 农作物病害图像分割技术的研究与实现
• 3.1 图像分割技术简介
• 3.1.1 直方图阈值分割
• 3.1.2 基于区域的图像分割方法
• 3.1.3 基于边缘的图像分割方法
• 3.1.4 基于模糊集理论的分割方法
• 3.1.5 基于数学形态学的方法
• 3.2 基于模糊集理论的病害图像边缘检测方法
• 3.2.1 Pal 模糊边缘检测算法的过程
• 3.2.2 改进的模糊边缘检测算法
• 3.2.3 试验结果及分析
• 3.3 基于统计模式识别的病害图像分割方法
• 3.3.1 特征提取和选择
• 3.3.2 分类器的设计
• 3.3.3 试验结果及其分析
• 3.4 数学形态学在分割图像后续处理中的应用
• 3.4.1 数字形态学简介
• 3.4.2 对病叶图像分割后进一步处理的研究
• 第4章 基于人工神经网络的病害诊断模型的研究
• 4.1 作物病斑特征值提取
• 4.1.1 农作物病害叶部病斑的形状特征
• 4.1.2 特征定义
• 4.1.3 特征提取方法
• 4.2 人工神经网络模型
• 4.2.1 概述
• 4.2.2 神经网络基本机理
• 4.2.3 人工神经网络分类
• 4.2.4 人工神经网络的拓扑结构
• 4.2.5 反向传播BP 模型
• 4.3 基于BP 模型的作物病害诊断网络设计
• 4.3.1 输入输出变量设计
• 4.3.2 初始权值设计
• 4.3.3 隐含节点数的选择
• 4.3.4 人工神经网络结构
• 4.4 结果分析
• 第5章 系统设计与实现
• 5.1 硬件组成
• 5.2 系统实现
• 结论
• 一.总结
• 二.展望
• 参考文献
• 攻读硕士学位期间发表的论文和获得的科研成果
• 致谢
• 详细摘要