基于图像处理的水稻叶部病害快速识别方法研究

摘要

水稻是我国的重要粮食作物之一，目前，水稻生产中的首要目标就是提高水稻产量和品质。但水稻在生长期内，易发生各种病害，造成产量和质量的下降，从而带来巨大的经济损失。病害的正确识别，是有效降低病害经济损失的重要手段。传统的水稻病害识别方法主要依靠农民经验，存在主观性强，识别正确率低等缺点。水稻稻瘟病、纹枯病、白叶枯病是水稻生长期内发病率较高的三种病害，并且三种病害早期症状的区分度不大。本研究针对这三种病害，基于图像处理技术开展水稻叶部病害的识别方法研究。主要工作内容包括: (1)选用成本低、操作简单、普及率高的智能手机作为病害图像采集设备; (2)通过灰度化、图像去噪、病斑分割等图像预处理方法，建立水稻叶部病斑数据库; (3)分析三种病害病斑特征，从颜色、形状、纹理三方面提取特征参数，将HSV颜色空间的三个分量的颜色矩，作为病斑图片的颜色特征;应用相关函数，获取病斑图像中目标区域的相关属性来描述病斑形状特征;通过基于灰度共生矩阵来实现纹理特征的描述与选取; (4)在不影响模型识别准确率的前提下，对特征参数进行优化，从颜色、形状和纹理方面共选取了13个不同的特征参数，采用单因素方差分析方法分别计算各类特征参数之间的区分度，利用BP神经网络模型验证区分度小的参数对，验证结果表明可以将区分度小的参数去掉，并且不影响识别结果，这就有效的去除了冗余参数; (5)分别利用神经网络和贝叶斯分类器构建水稻叶部病害识别模型，分别利用优化后的颜色参数、形状参数、纹理参数以及参数之间的组合建立模型，分析识别模型效果，选择最佳模型。结果表明利用神经网络的识别准确率明显高于利用贝叶斯分类器的识别准确率。因此，本研究将采用BP神经网络作为三种水稻叶部病害识别的模型。其中，基于颜色参数的病害识别率都在80％以下，而基于形状和纹理特征的识别率都比基于颜色的高，其中识别率最高的是纹理特征;而在特征参数的组合中，病害识别率最高的是三种参数组合的情况，达到了98％左右。 本研究基于图像处理技术实现了水稻稻瘟病、纹枯病、白叶枯病的快速识别，选用的图像采集设备更利于水稻叶部病害识别技术的推广和应用，也为其它农作物病害识别提供指导。

目录

声明

摘要

1 引言

1．1 研究背景及意义

1．2 国内外研究现状

1．3 研究内容

1．4 本章小结

2 水稻叶部病害图像采集与病斑库的建立

2．1 图像采集

2．1．1 图像采集设备

2．1．2 图片采集

2．2 病斑图像预处理

2．2．1 图像灰度化

2．2．2 图像去噪

2．2．3 图像分割

2．3 水稻叶部病害病斑库的建立

2．4 本章小结

3 水稻叶部病斑的特征参数提取

3．1 水稻叶部病害病斑特点

3．2 颜色特征

3．2．1 颜色空间转换

3．2．2 颜色直方图

3．2．3 颜色特征参数提取

3．3 形状特征

3．4 纹理特征

3．5 本章小结

4 水稻叶部病斑特征参数的优化

4．1 颜色特征参数优化

4．2 形状特征参数优化

4．3 纹理特征参数优化

4．4 特征参数优化效果分析

4．5 本章小结

5 水稻叶部病害识别模型构建

5．1 模式识别

5．1．1 人工神经网络

5．1．2 贝叶斯分类器

5．2 基于BP神经网络的水稻叶部病害识别模型构建

5．2．1 设计BP神经网络

5．2．2 基于颜色特征的BP神经网络模型

5．2．3 基于形状特征的BP神经网络模型

5．2．4 基于纹理特征的BP神经网络模型

5．2．5 基于组合特征的BP神经网络模型

5．3 基于贝叶斯分类器的水稻叶部病害识别模型构建

5．4 最佳模型选择

5．5 本章小结

6 结论与展望

6．1 结论

6．2 展望

致谢

参考文献

攻读硕士学位期间发表的学术论文