苹果叶子病害图像识别系统的设计与实现

摘要

苹果产业是陕西省的特色产业,对陕西的经济有着重要意义。但是近年来随着苹果产业的蓬勃发展以及苹果种植面积的不断增大,各种病害对苹果产率的影响也逐渐增大,严重影响了果农的经济收入。如何有效的应付大规模苹果种植中的出现的病害问题变得尤为重要,而逐渐完善的图像处理和智能识别技术成为解决该问题的方法之一。本文以苹果叶子病害中较为常见、发病率较高的斑点落叶病、锈病和花叶病3种病害图像为研究对象,分析其特点,提取其特征并设计开发出相应的识别系统,为实现远程鉴别苹果病害提供了技术参考。本文的主要研究工作如下:
　　(1)针对自然场景下拍摄的图像的特点,研究了图像预处理方法。利用改进的中值滤波方法去除噪声,并有效的保留了图像的边缘信息;采用直方图均衡化方法,对图像进行了增强,使得增强后图像具有较大的动态范围和比较高的对比度,将受到不同影响的图像转化为较统一的形式;使用模糊C均值聚类算法分割病斑图像,取得比较好的效果。
　　(2)对图像的特征提取方法进行了研究,特别研究了颜色直方图、颜色矩、灰度共生矩阵、常规形状和Hu不变矩等特征,并对提取特征进行比较,选择15类特征参数。
　　(3)研究了支持向量机学习模型,选用基于支持向量机的病害识别模型,测试并确定了支持向量机模型参数。
　　(4)结合 C＃和Matlab编程,设计并实现系统各个功能模块,最终开发出整个系统。实验结果显示正确识别率为91％,表明该系统能够有效的识别苹果叶子病害。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究的目的和意义

1.2国内外研究现状

1.3 研究目标及内容

1.4 研究方法

1.5 论文的组织结构

2 病害图像的获取和预处理

2.1 研究对象的确定

2.2 病害图像数据的采集

2.3 病害图像预处理

2.4 图像分割方法

2.5 本章小结

3 苹果叶病害有效特征提取

3.1 颜色特征提取

3.2 纹理特征提取

3.3 形状特征提取

3.4 本章小结

4 基于支持向量机的智能识别方法

4.1 支持向量机的分类思想

4.2 支持向量机的理论基础

4.3 推广到多类问题

4.4 基于支持向量机的训练与测试

4.5 实验及分析

4.6 本章小结

5 苹果叶子病害识别系统的设计与实现

5.1 系统结构

5.2 系统的关键技术

5.3 系统主要功能

5.4 界面设计

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

攻读硕士学位期间的研究工作

附录

附录一：三种病害Hu不变矩特征值

附录二：三种病害纹理特征值