基于图像分析的苹果病害识别技术研究

论文摘要

本文以手机拍摄图像分析进行苹果病虫害识别为目标,以苹果叶部病害为对象,以发生面积较大、危害较为严重的苹果斑点落叶病、锈病、圆斑病、花叶病、黄叶病等5种病害为重点,研究基于图像分析的苹果早期病害的识别与分类。主要研究内容及结论如下:（1）针对自然条件下用手机拍摄的低分辨图像噪声类型的复杂性,深入研究图像预处理中的去噪问题,建立了完整的预处理流程:对图像用三段线性法灰度调整,扩展图像灰度的动态范围,用形态学Top-Hat变换消除光照;对反色运算后的彩色图像进行RGB通道分离,并分别用改进的加权中值滤波法去噪,然后进行通道融合,得到增强图像;最后对增强后的图像RGB分量分别用改进的类间方差阈值分割法、形态学运算、区域标记等方法抽取病叶的病态部位。结果表明,红色（R）分量分割效果最为理想,可用于对病斑区域的正确分割。（2）研究了苹果病害图像的特征提取,分别从颜色特征、纹理特征和形状特征3个方面对测试图像进行实验,即根据病斑几何特征及Hu不变矩提取病斑的形状特征,提取病斑的H方差结合H-S直方图特征作为病斑的颜色特征,用计盒维数法提取病斑纹理特征,取得了较好的效果。从试验中的27个特征优选出8类作为分类特征参数。（3）分析了4类模式识别方法,选用并构建BP神经网络病害识别模型。对苹果5种病害图像自动识别实验结果表明,平均正确率达92.6%,能够满足苹果远程诊断的需要。（4）运用VC++和Matlab混合编程,实现了基于手机拍摄图像分析的苹果病害识别系统相关功能模块的设计,为广大农技人员和农民提供方便快捷的苹果安全生产、主要病害识别与治理及合理用药等技术咨询服务平台。论文研究结论对于促进计算机图像分析技术在其他农作物病虫害远程诊断的研究与应用具有一定的借鉴意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 图像分析技术植物病害诊断研究
• 1.2.1 国外研究概况
• 1.2.2 国内研究概况
• 1.2.3 存在的问题
• 1.3 研究目标及内容
• 1.4 研究方法与技术路线
• 1.4.1 研究方法
• 1.4.2 技术路线
• 第二章 供试图像获取
• 2.1 研究对象的确定
• 2.2 病害图像数据的采集
• 2.2.1 图像采集时间、地点
• 2.2.2 采集方法
• 2.3 本章小结
• 第三章 苹果病害图像预处理
• 3.1 苹果病害图像特点
• 3.2 灰度变换
• 3.3 图像分量提取
• 3.4 图像增强处理
• 3.4.1 图像去噪
• 3.4.2 直方图均衡化
• 3.4.3 消除光照对图像的影响
• 3.5 图像分割方法研究
• 3.5.1 叶片目标提取
• 3.5.2 病斑分离
• 3.6 图像分割后处理
• 3.7 预处理结果分析
• 3.8 本章小结
• 第四章 苹果病害特征参数的提取和优化
• 4.1 颜色特征提取图像颜色特征研究
• 4.1.1 颜色模型的选择
• 4.1.2 颜色直方图
• 4.1.3 颜色矩特征
• 4.1.4 实验及分析
• 4.2 纹理特征提取
• 4.2.1 分形对纹理的描述
• 4.2.2 分形维数的计算
• 4.2.3 分形维数的实现
• 4.2.4 实验及分析
• 4.3 形状特征提取
• 4.3.1 区域标记
• 4.3.2 链码
• 4.3.3 基于Hu 不变矩的形状特征提取
• 4.3.4 实验及分析
• 4.4 本章小结
• 第五章 基于神经网络的苹果病害识别方法
• 5.1 模式识别方法选择
• 5.1.1 模式识别的基本框架
• 5.1.2 模式识别的方法比较选择
• 5.2 BP 神经网络
• 5.2.1 BP 神经网络的网络结构
• 5.2.2 BP 算法的改进
• 5.3 苹果病害识别BP 网络设计
• 5.3.1 特征选择分析
• 5.3.2 各特征的归一化处理
• 5.3.3 神经元结点数的确定
• 5.4 实验及分析
• 5.4.1 神经网络的训练
• 5.4.2 识别结果与分析
• 5.5 本章小结
• 第六章 图像分析系统的设计与实现
• 6.1 软件开发工具
• 6.2 系统实现的关键技术
• 6.3 系统功能模块
• 6.4 界面设计
• 6.5 本章小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 作者简介