基于多颜色空间特征融合的作物识别方法研究

摘要

基于视觉的农业机器人是农业智能化、精确化和机械化发展的趋势，其核心问题是怎样通过视觉对采集到农田图像进行快速、准确的分析。但是，由于植株相互遮挡以及太阳光入射角的影响，植株和杂草会被外界和自身间的阴影干扰，使得识别图像阴影区的植株和杂草比较困难，进而降低了图像目标识别的准确率，同时影响了机器人工作效率。目前图像处理中存在许多不足之处：算法复杂性、实时性差和阴影区域图像细节丢失和识别率不足等问题，所以对图像中阴影去除的研究有重要的意义。本文主要从光照阴影和分类识别率不高这两方面进行了深入研究。
　　1）对于室外农田中环境下，采集图像受阴影干扰的问题，本文采用了一种逐步消除阴影的方法。该方法是将RGB图像转换到其他颜色空间中，分析利用不同颜色通道中阴影的特性，同时结合直方图、熵值、均方误差和峰值信噪比等得到仿真数据来分析颜色通道特性，最终构造出适合农田场景下的阴影去除的颜色空间，即UVI颜色空间。在该空间可以利用简单的算法实现较好的去除阴影，实现图像中前景农作物不受背景阴影干扰下的识别。
　　2）对农作物与杂草的识别精度不高和识别时间较长问题，本文提出一种基于小波变换和主成分分析结合的多特征数据融合方法。该方法对在多颜色空间中提取的图像组合特征数据采用小波变换和主成分分析法进行融合，再利用支持向量机决策下实现农作物与杂草的高识别率。该方法解决了组合特征数据结构复杂和分类器输入维数过高的难点，提高了农作物与杂草的识别能力与速度。
　　3）基于VS2012开发平台，设计了组合颜色空间阴影去除软件，能够有效的在界面上操作图像，提高图像处理速度。软件代码可以移植到机器人系统，具有一定的实用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题背景及研究意义

1.2 图像处理技术研究现状

1.3 主要研究内容

1.4 本论文章节安排

第二章 图像处理的基本知识

2.1 图像中阴影的产生及特点

2.2 常用的颜色空间

2.3 颜色通道的评价方法

2.4 图像的分割方法

2.5 图像形态学

2.6 本章小结

第三章 基于组合颜色空间的阴影去除方法

3.1 常见阴影检测的方法

3.2 常见阴影去除算法

3.3 基于组合颜色空间的阴影去除算法

3.4 本章小结

第四章 多特征组合的农作物识别方法

4.1 常用的特征提取的方法

4.2 基于组合特征的农作物识别方法

4.3 本章小结

第五章 基于改进的农作物识别方法

5.1 常见的农作物识别方法

5.2 基于改进的农作物识别方法

5.3 本章小结

第六章 图像阴影去除的软件实现

6.1 软件的开发工具

6.2 软件设计框架及实现

6.3 本章小结

第七章 结论与展望

7.1 结论

7.2 展望

参考文献

发表论文和科研情况说明

致谢