学位论文 > 优秀研究生学位论文题录展示

基于图像识别的玉米叶部病害诊断技术研究

作　者: 赵玉霞
导　师: 白中英
学　校: 北京邮电大学
专　业: 计算机应用
关键词: 计算机视觉数字图像处理模式识别玉米叶部病害
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 191次
引　用: 4次
阅　读: 论文下载

内容摘要

作物病虫草害严重影响作物的产量和品质，本论文针对作物病虫草害识别自动化程度不高，识别诊断不及时问题，在国家自然科学基金项目(30360047)资助下，应用计算机视觉技术对玉米生长期的叶部病害识别诊断进行研究，以常见的玉米叶部病害为研究对象，提出可行的方法，提高诊断精度，为作物病虫草害自动识别与诊断的相关研究提供理论依据。本研究根据玉米叶部病害特点，综合应用阈值法、区域标记方法与Freeman链码法，对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑颜色特征和形状特征，并存入数据库。采用直接判别法，朴素贝叶斯方法和基于加权特征的模糊模式识别方法对锈病、弯饱菌叶斑病、灰斑病，褐斑病和小斑病五种玉米叶部病害进行分类识别，并综合三种方法对结果进行处理，得到最终的识别诊断结果。利用Visual C++编制了玉米叶部病害智能识别软件，为计算机作物病害智能识别的研究提供了软件和技术支持。根据研究的性质和要求，分析影响系统性能的因素，在综合考虑性价比的基础上，制定既能满足性能要求、又容易操作的拍照规范。本研究取得了以下两方面进展：第一，实现了锈病、弯饱菌叶斑病、灰斑病，褐斑病和小斑病五种常见玉米叶部病害的自动识别，识别准确率达到90％以上；第二，实现了贝叶斯方法和模糊模式识别方法在玉米叶部病害诊断中的应用，并综合三种识别方法各自的优势，得出最终分类结果，提高了识别的准确性和可靠性。将计算机视觉技术应用于玉米病害的识别诊断，拓展了机器视觉的应用范围，也为机器视觉技术在农业领域的应用提供了借鉴。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-14
  1.1 图像识别在作物病虫草害识别方面研究进展及存在的问题  10-12
  1.2 研究内容及技术路线  12-14
    1.2.1 研究内容  12-13
    1.2.2 技术路线  13-14
第二章图像处理典型算法及模式识别方法  14-32
  2.1 图像分割  14-24
    2.1.1 边缘检测  15
    2.1.2 边缘跟踪  15
    2.1.3 区域合并与分裂  15-16
    2.1.4 阈值分割  16-24
      2.1.4.1 基于点的全局阈值选取方法  16-21
      2.1.4.2 基于区域的全局阈值选取方法  21-22
      2.1.4.3 局部阈值法和多阈值法  22-24
    2.1.5 彩色图像阈值法分割  24
  2.2 区域标记  24-26
    2.2.1 递归算法  24-25
    2.2.2 序贯算法  25
    2.2.3 区域标记算法分析  25-26
  2.3 模式识别方法  26-32
    2.3.1 模式识别的基本框架  26-27
    2.3.2 模式识别方法的分类  27-32
      2.3.2.1 统计模式识别方法  28-29
      2.3.2.2 句法结构模式识别方法  29-30
      2.3.2.3 模糊模式识别  30-31
      2.3.2.4 人工神经网络模式识别  31
      2.3.2.5 以上几种方法的比较  31-32
第三章玉米叶部病害图像获取与图像分割  32-46
  3.1 图像获取  32
  3.2 图像平滑  32-34
  3.3 分割方法确定  34-42
    3.3.1 颜色模型  34-37
      3.3.1.1 RGB颜色模型  35-36
      3.3.1.2 HSI颜色模型  36-37
      3.3.1.3 RGB到HIS的转换  37
    3.3.2 分割特征的选择  37-39
    3.3.3 分割阈值的确定及分割效果  39-42
  3.4 有无病斑的判断  42-46
第四章玉米叶部病害特征提取  46-53
  4.1 前言  46
  4.2 颜色特征提取  46-47
  4.3 形状特征提取  47-53
    4.3.1 概述  47
    4.3.2 链码  47-49
    4.3.3 具体算法实现  49-53
      4.3.3.1 使用的数据结构  50
      4.3.3.2 算法实现  50-52
      4.3.3.3 算法改进  52-53
第五章玉米叶部病害诊断识别  53-65
  5.1 直接判别法  53-57
    5.1.1 特征分析  53-55
    5.1.2 诊断流程的确定  55-56
    5.1.3 结果  56-57
  5.2 贝叶斯分类法  57-60
    5.2.1 分类框架设计  57-58
    5.2.2 特征约简以及特征的离散化  58
    5.2.3 分类器训练  58
    5.2.4 结果  58-60
      5.2.4.1 训练样本获取与学习  59
      5.2.4.2 病害诊断结果  59-60
  5.3 基于加权特征的模糊模式识别  60-63
    5.3.1 隶属原则和模糊模式识别的直接方法  60-61
    5.3.2 源数据处理  61-62
    5.3.3 模式隶属函数确定  62-63
    5.3.4 结果  63
  5.4 分类器优化集成  63-65
    5.4.1 集成设计  63-64
    5.4.2 结果  64-65
第六章玉米叶部病害智能识别系统  65-69
  6.1 软件开发工具  65
  6.2 软件系统设计  65
  6.3 软件系统实现  65-69
第七章结论及以后研究建议  69-71
  7.1 主要结论  69-70
  7.2 对今后研究的建议  70-71
参考文献  71-74
致谢  74-75
作者攻读学位期间发表的学术论文目录  75

基于图像识别的玉米叶部病害诊断技术研究

内容摘要

全文目录

相似论文