学位论文 > 优秀研究生学位论文题录展示

基于图像处理的植物叶片参数测量系统研究与实现

作　者: 牛珂
导　师: 何东健
学　校: 西北农林科技大学
专　业: 农业电气化与自动化
关键词: 叶子测量图像处理阈值分割边界跟踪
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 88次
引　用: 1次
阅　读: 论文下载

内容摘要

植物叶子的形态学参数是植物学研究的重要内容。但传统的叶子形态学参数获取方法如用方格法测量叶子面积,普遍存在效率低、精度差等缺点;较新的叶子测量工具如叶绿素仪等,也存在价格昂贵、野外携带不便、测量参数单一等不足。本文针对传统叶子信息测量方法的缺点,设计了植物叶子特征参数的图像分析软件系统。系统采用数码相机拍摄植物叶子照片,运用数字图像处理技术对叶子照片进行处理与分析,最终可提取出叶子周长、面积、质心等10余种叶子形态学参数。本文研究的主要内容包括:(1)分析了植物叶子常用的形态学参数,传统的参数测量方法的主要缺点,提出植物叶子特征参数的图像分析软件系统的基本要求。(2)分析了数码相机拍摄照片、扫描仪捕获图像和数码摄像机拍摄图像等3种图像获取方案,比较了其在植物叶子图像采集中应用的优缺点,选定数码照相机作为本系统的图像获取设备。论述了数码相机获取叶子图像的方法、参照物的选取和尺寸的标定。(3)确定了几何变换模块、区域处理模块、模板处理模块、参数测量模块等4个基本模块,及基于图像处理的叶子参数测量的基本流程。(4)分析比较了图像灰度图、灰度直方图的生成和修正、图像噪声的去除、图像边缘的处理和形态学处理以及图像的二值化分割的若干方法、图像边界跟踪的方法,及植物叶子的各种特征参数的计算方法。(5)应用Visual C++编程实现了本系统,测试结果表明,系统对叶宽和叶高的平均测定误差小于3.15%,最大相对误差为5.13%;周长和面积测定的平均相对误差小于7%,周长的测定的最大相对误差小于11.1%。测定精度基本能满足植物学研究要求。

全文目录

摘要  5-6
ABSTRACT  6-11
第一章引言  11-15
  1.1 研究意义  11-12
  1.2 国内外研究现状  12-14
  1.3 研究内容  14-15
第二章需求分析与系统构建方案  15-20
  2.1 叶子测定基本要求  15-16
  2.2 系统基本方案  16-18
    2.2.1 系统硬件平台分析与选定  16-17
    2.2.2 功能模块设计  17-18
  2.3 叶子参数测量流程分析  18-19
  2.4 本章小结  19-20
第三章图像获取及预处理  20-33
  3.1 植物叶子图像获取  20
  3.2 图像尺寸标定  20-21
  3.3 图像预处理  21-25
    3.3.1 几何变换  21-22
    3.3.2 亮度和对比度调整  22-23
    3.3.3 灰度图  23
    3.3.4 灰度直方图  23-25
    3.3.5 均衡化处理  25
  3.4 噪声去除  25-28
    3.4.1 平滑  26-27
    3.4.2 中值滤波  27-28
  3.5 边缘处理  28-29
    3.5.1 锐化处理  28-29
    3.5.2 边缘增强  29
  3.6 形态学处理  29-30
  3.7 图像分割  30-32
    3.7.1 常用的分割方法  31
    3.7.2 自定义阈值法  31
    3.7.3 最大方差法  31-32
  3.8 本章小结  32-33
第四章叶子参数测量方法  33-40
  4.1 边界跟踪  33
  4.2 叶子周长  33-34
  4.3 叶子面积  34-35
  4.4 叶长和叶宽  35-36
  4.5 叶子的质心  36
  4.6 最小外界矩形(MER)  36-37
  4.7 矩形度R  37
  4.8 长宽比r  37
  4.9 致密度C_0  37-38
  4.10 偏心率E  38
  4.11 点属性和线段属性  38
  4.12 本章小结  38-40
第五章系统设计与实现  40-47
  5.1 开发环境  40
  5.2 创建程序框架  40
  5.3 动态连接库  40-41
  5.4 CImageObject 类  41
  5.5 图像的打开、保存和显示  41-43
  5.6 功能类设计  43
  5.7 界面设计  43-44
  5.8 参数测量实现  44-46
  5.9 本章小结  46-47
第六章测试与分析  47-53
  6.1 系统简介  47
  6.2 测试环境介绍  47
  6.3 实例测试  47-51
    6.3.1 图像样本获取  47
    6.3.2 尺寸标定  47-48
    6.3.3 预处理与参数测量  48-49
    6.3.4 某些特殊叶片的测试  49-51
  6.4 评价分析  51-52
    6.4.1 精度分析  51
    6.4.2 系统评价  51-52
  6.5 本章小结  52-53
第七章结论与展望  53-54
  7.1 结论  53
  7.2 展望  53-54
参考文献  54-57
致谢  57-58
作者简介  58

相似论文

基于CCD图像传感器的温度测量技术研究,TH811
基于FPGA的数字图像处理基本算法研究与实现,TP391.41
雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
机械臂视觉伺服系统的研究,TP242.6
数字图像处理在集装箱检测中的应用研究,TP274.4
半成型结构在休闲女装中的应用,TS941.2
基于遗传算法的柑橘图像分割,TP391.41
基于视觉的番木瓜外观品质检测技术研究,S667.9
基于机器视觉的光纤几何参数检测研究,TN253
羊绒与羊毛纤维鉴别系统的研究,TS101.921
基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
基于图像处理技术的两相流动特性描述,TP391.41
车牌识别系统中车牌定位算法的研究,TP391.41
基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
群控电梯客流密度实时识别技术研究,TP391.41
基于神经树的人脸识别方法研究,TP391.41
数字型仪表自动识读系统研究,TP391.41
智能清分机的管理和应用软件设计,TP391.41
沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用,P736.21
车载路面裂缝检测图像处理系统的设计与实现,TP391.41