杨树病害孢子图像分割与识别技术研究

摘要

杨树流行性病害是侵染性真菌病害孢子在群落中发生恶性暴发，其酿成的灾害，给人类带来巨大损失。病害诱因是真菌病害孢子在空气中大量传播。若能快速对空气中的杨树病害孢子数量进行检测，可以有效的对病害进行防治。传统的实验室技术是通过显微镜观察，人工对杨树病害孢子进行计数，费时费力。本文利用数字图像处理方法替代人工操作，对杨树病害孢子进行自动识别。主要工作如下：
　　首先，根据病害孢子检测要求，对孢子图像预处理。采用改进的权值平均法对孢子图像进行灰度化。采用均值滤波、高斯滤波和中值滤波对图像进行平滑。利用直方图均衡化对图像进行锐化。为下一步病害孢子边缘提取做准备。
　　然后，利用RPROP弹性算法改进BP神经网络，并提出了一种群间提取个体特征的新算法。该算法将一幅二维的大数据图像进行分块，将小块图像分解成一维数据串，送入神经网络进行训练。通过对神经网络进行设计，使网络训练速度有明显提升。通过实验对比，改进算法收敛速度快，识别效率高，具有良好的孢子边缘定位能力。
　　最后，构建了杨树病害孢子SVM识别模型。通过特征提取算法，提取出病害孢子的颜色分量以及对应的标准差、病害孢子的周长、面积、圆形度、不变矩等特征。采用支持向量机模型对病害孢子进行识别，准确率达到93.68％。
　　本文算法通过Matlab平台实现并验证，实验结果良好，算法运算快、可行性高。

目录

声明

1 绪 论

1.1 课题研究背景

1.2 植物学图像处理技术研究现状

1.3 课题研究内容

2 数字图像处理技术概述

2.1 植物学图像分割技术

2.2 植物学图像识别技术

2.3 本章小结

3 杨树病害孢子图像采集及预处理

3.1 图像采集

3.2 研究方案设计

3.3 图像灰度化

3.4 图像平滑

3.5 图像直方图均衡化

3.6 本章小结

4 杨树病害孢子图像分割算法研究

4.1 图像分割原理

4.2 BP神经网络基本原理

4.3 基于RPROP改进的BP神经网络算法

4.4 新型BP神经网络建立

4.5 实验结果对比分析

4.6 本章小结

5 杨树病害孢子图像识别算法研究

5.1 图像特征提取

5.2 基于支持向量机图像模式识别

5.3 实验过程结果及分析

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

作者从事科学研究和学习经历简介

攻读学位期间取得的学术成果和获奖情况