黄瓜叶部病害图像智能识别关键技术研究与应用

摘要

利用图像处理技术进行农作物病害诊断是计算机视觉技术在农业领域的重要应用之一。由于农田自然环境的复杂性，在田间现场实时获取的作物病害彩色图像具有对比度不明显、病斑边缘轮廓不清晰、光照不均匀、背景复杂等特点。目前，利用图像处理技术进行农作物的病害识别研究存在图像分割准确率低，难以提取颜色/形状/纹理特征等问题，从而导致诊断结果不准确。
　　本论文针对上述问题，重点研究复杂背景条件下的黄瓜病害图像的病斑分割，并提取病斑的颜色、形状和纹理信息，经过特征组合和优化得到病斑的核心特征，再利用支持向量机方法进行病害的分类识别，最后设计和开发了黄瓜叶部病害识别系统原型，为从实验室基础研究到大田实际应用奠定基础。本论文的主要工作如下:
　　1、充分调研和分析了基于图像处理技术的作物病害诊断相关技术，主要包括:图像分割、特征提取、分类识别三个方面。
　　2、提出了复杂背景条件下的病叶和病斑提取方法。针对水平集方法在解决复杂背景分割问题中存在的先验知识模型构建问题，在水平集模型中引入先验纹理和形状信息，实现了复杂背景下的作物病叶提取;针对去除背景的病害叶片，利用基于标记的分水岭方法实现病斑提取。根据病害叶片的边界特点（病斑始垫处于病叶轮廓内）构造了新型的多域多相水平集，实现了复杂背景下的作物病叶和病斑提取;设计一种综合图像分割方法，结合超G和OTSU方法提取图像中的主要病叶部分，然后利用改进的图切割方法实现了黄瓜病害叶片图像中病斑的提取和自动化分割;
　　3、研究并实现了病斑的特征提取和优化。提取病斑的颜色、形状和纹理三个方面特征，经过分析和比较获得22个原始特征参数，并基于主成分分析法选取累计贡献率达到90％以上的5个主分量。
　　4、研究并实现了黄瓜病害的分类识别。采用支持向量机分类算法进行病害识别，基于主成分分析法选取的5个特征参数组合为最优参数组合，四种黄瓜病害的识别准确率均达到90％以上。
　　5、设计并开发了黄瓜叶部病害识别原型系统。
　　通过本文的工作，为自然环境下的作物病虫害图像处理与自动识别奠定了基础，为我国农作物病虫害智能化无损诊断与实时防治提供一定的理论依据。

目录

声明

摘要

第一章 引言

1．1 选题背景及研究意义

1．2 数字图像处理及计算机视觉

1．3 国内外研究现状与分析

1．3．1 国外研究现状

1．3．2 国内研究现状

1．3．3 分析

1．4 论文的研究内容和组织结构

1．4．1 论文的研究内容

1．4．2 论文的组织结构

1．5 本文的主要创新点

第二章 黄瓜叶部病害图像分割方法

2．1 图像分割方法

2．1．1 水平集方法

2．1．2 分水岭方法

2．1．3 图切割方法

2．2 基于先验信息的水平集病叶分割

2．2．1 先验纹理信息构建

2．2．2 先验形状信息构建

2．2．3 改进的水平集模型

2．2．4 实验与分析

2．3 基于极小值标定的分水岭病斑分割

2．3．1 改进的基于标记的分水岭算法

2．3．2 实验与分析

2．4 基于多相水平集的病叶和病斑分割

2．4．1 基于内部顺序的多相水平集模型

2．4．2 新型多域多相水平集模型

2．4．3 实验与分析

2．5 复杂背景下的病斑综合分割

2．5．1 结合超G与OTSU的复杂背景去除

2．5．2 基于图切割的病斑分割

2．5．3 实验与分析

2．6 算法对比实验

2．7 本章小结

第三章 黄瓜病害图像特征提取与选择方法

3．1 颜色特征提取

3．1．1 相关颜色空间

3．1．2 常用颜色特征表达方法

3．1．3 实验与分析

3．2 纹理特征提取

3．2．1 灰度共生矩阵特征

3．2．2 本文构造的纹理特征参数

3．3 形状特征提取

3．3．1 常见形状特征描述方法

3．3．2 本文构造的形状特征参数

3．3．3 实验与分析

3．4 基于PCA的特征参数优化

3．5 本章小结

第四章 基于支持向量机的黄瓜病害识别

4．1 图像分类方法的选择

4．2 支持向量机原理及核函数

4．3 支持向量机分类方法

4．3．1 线性情况

4．3．2 非线性情况

4．3．3 多分类情况

4．4 材料与方法

4．5 结果与分析

4．6 本章小结

第五章 黄瓜病害识别原型系统的设计与实现

5．1 系统功能设计

5．1．1 系统框架

5．1．2 功能模块

5．2 系统实现

5．2．1 软件系统总体设计

5．2．2 软硬件环境

5．2．3 软件系统部分界面

5．3 本章小结

第六章 结论

6．1 本文的主要工作

6．2 不足之处与展望

参考文献

致谢

作者简介

在读期间发表的论著及科研成果清单