基于计算机视觉的麦田杂草识别技术研究

论文摘要

在传统的农业中,杂草肆虐和杂草病害是困扰庄稼生长的基本问题,在不能确定作物和杂草分布的情况下,覆盖性地喷洒化学制剂不仅造成大量化学制剂的浪费,而且严重的污染环境,甚至影响人类的身体健康。为此,研究利用机器视觉识别杂草,有选择的变量施用化学制剂就显得尤为重要。要实现变量喷洒,首要任务就是准确、智能的检测到田间杂草,判断其位置及种类,并将杂草滋生区分割出来。本文应用计算机视觉模式识别等技术对麦田杂草的识别进行了基础性研究。主要研究工作如下:1.针对杂草识别中背景复杂,易受田间状况、自然光照环境等因素影响,研究利用彩色图像的颜色特征分割绿色植物和土壤背景的方法。该算法利用AOI(area of interest)测试工具在RGB、rgb和HSI三种颜色模型下对麦田自然光照条件下获得的杂草图像中杂草和土壤背景各颜色因子进行了测定与分析,得出适于分割的颜色空间及颜色分量,以此作为表征图像颜色信息的阈值参数,实现了复杂光照条件下植物区和背景区的分割。2.依据小麦与杂草在形态上的差异,对经过预处理后的图像引入形态学中的膨胀与腐蚀运算和图形学中的能填充任意形状的种子填充算法,利用设定合适的结构元素分离杂草和作物,从而提取出杂草区,并统计图像中杂草的密度关系,以此作为药量喷洒的指导。3.在分析了小麦田中常见的五种杂草图像与小麦图像在纹理特征上差异的基础上,采用基于统计特征的灰度共现矩阵的方法,提取出基于HIS共生阵的五个统计量:角二阶距、对比度、熵、相关性、平稳度作为杂草图像纹理分析的特征量。采用了经过改进的最近邻域分类器来进行识别分类试验,实验结果证明该方法能取得较好的分类识别效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 研究目的及意义
• §1-2 国内外研究现状
• 1-2-1 国外研究现状
• 1-2-2 国内研究现状
• 1-2-3 面临的技术挑战
• §1-3 本文的主要研究内容
• §1-4 本章小结
• 第二章 图像的采集和预处理
• §2-1 杂草图像的获取
• §2-2 杂草图像预处理
• 2-2-1 杂草图像的增强
• 2-2-2 平滑滤波除噪
• §2-3 本章小结
• 第三章 基于颜色特征的绿色植物与土壤背景的分割
• §3-1 彩色空间
• 3-1-1 RGB 颜色空间
• 3-1-2 HIS 颜色空间
• 3-1-3 HIS 与RGB 之间的非线性映射
• §3-2 杂草颜色特征分析
• 3-2-1 RGB 空间颜色参数测定与分析
• 3-2-2 rgb 空间颜色参数测定与分析
• 3-2-3 HSI 空间颜色参数测定与分析
• 3-2-4 颜色特征的选择
• §3-3 绿色植物与土壤背景的分割
• 3-3-1 分割方法分析
• 3-3-2 分割流程
• 3-3-3 试验结果分析
• §3-4 本章小结
• 第四章 麦田杂草识别及特征参数的确定
• §4-1 数学形态学算法
• §4-2 杂草与小麦的识别
• 4-2-1 杂草的识别流程
• 4-2-2 边缘检测及形态学边缘修补
• 4-2-3 种子填充
• 4-2-4 杂草区域的识别
• §4-3 杂草区域密度分布测定
• §4-4 本章小结
• 第五章 杂草分类系统
• §5-1 杂草图像的定位及归一化
• §5-2 杂草图像纹理特征的提取
• 5-2-1 灰度共生矩阵
• 5-2-2 杂草图像纹理特征参数的选择分析
• 5-2-3 试验及试验结果分析
• §5-3 杂草识别与分类
• 5-3-1 分类算法分析
• 5-3-2 杂草识别系统界面设计
• 5-3-3 试验结果分析
• §5-4 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果