利用颜色和形状特征的杂草识别方法研究

摘要

随着计算机技术的普及推广，精准农业模式的提出，应用计算机视觉、图像处理技术进行农作物中的杂草识别与控制成为可能。而对除草剂的变量喷洒技术而言，首要问题就是如何准确地采集田间杂草分布信息，并确定田间杂草的情况(位置、密度或种类等)从而实现精细喷洒。本文在总结国内外相关研究的基础上，以农田杂草为研究对象，重点研究杂草的颜色特征、颜色与形状特征相结合的提取及识别方法，实现对田间杂草的有效识别。 为去除噪声的影响，首先对自然光照条件下采集的原始农田杂草图像进行图像预处理。针对麦田苗期的杂草与小麦相互交杂生长特点，本文提出一种基于遗传聚类和形态滤波识别杂草的方法。文中选取颜色空间OHTA中I2’分量作为特征量；利用基于遗传算法的自动阈值选取方法对特征分量I2’进行阈值分割初步分离杂草与小麦；通过颜色聚类和形态滤波获得准确的杂草区域。试验结果表明：直接在彩色空间进行分割，可提高彩色图像的分割效果，利用该方法获得的杂草平均正确识别率达到90.47％。根据棉花苗期的田间情况，发现棉花与常见杂草颜色相近，仅利用颜色特征不容易有效识别。本文综合颜色和形状特征对棉花田的杂草作初步研究，计算棉花田常见杂草的形状特征参数，为建立杂草特征数据库做准备。主要计算常见杂草的圆形度、伸长度、离散度和圆度四个具有RST不变性形状特征参数，与面积、周长等其他参数。可利用该数据库提供的特征数据进行组合分类训练，实现杂草的有效识别。 本课题研究的田间杂草特征提取及识别方法，对实现杂草的准确定位与除草剂的变量喷洒提供了可行方案，对开发基于机器视觉的田间自动除草系统，提高我国农业生产自动化水平，具有重要的学术意义和实用价值。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究目的及意义

1.2国内外研究现状及发展趋势

1.2.1颜色特征识别方法

1.2.2形状特征识别方法

1.2.3纹理特征识别方法

1.2.4多特征融合识别方法

1.3主要研究内容和方法

1.3.1主要研究内容

1.3.2实验设计方案

1.4本章小结

第二章实验系统的构成及图像采集

2.1实验系统的硬件构成

2.2图像采集

2.3图像的色彩模式

2.4彩色空间的选择

2.5本章小结

第三章图像预处理以及图像算法的选择

3.1图像预处理

3.1.1邻域平均滤波法

3.1.2中值滤波法

3.2图像阈值化处理

3.2.1直方图法

3.2.2最大熵阈值分割法

3.2.3最大类间方差法

3.3图像的分割后续处理

3.4本章小结

第四章利用颜色特征进行图像分割及杂草识别

4.1利用颜色特征分割作物与背景

4.2利用颜色特征分割作物与杂草

4.2.1基于改进的多层同质性方法分割作物与杂草

4.2.2基于遗传聚类和形态滤波分割作物与杂草

4.3试验与评价系统

4.3.1杂草的正确和错误识别率

4.3.2试验结果

4.4本章小结

第五章综合利用颜色、形状等多特征融合的杂草识别方法

5.1形状特征及其参数

5.2杂草形状特征提取方法

5.3分割方法一：利用形态学运算分割

5.4分割方法二：利用分水岭技术分割

5.5本章小结

第六章结论与展望

6.1结论

6.2后续工作与展望

参考文献

致 谢

攻读硕士学位期间发表的论文