基于图像特征的玉米叶部病害模糊识别研究与应用

摘要

随着计算机处理能力的不断增强，以及图像处理与识别技术的快速发展，数字图像处理与识别技术在农业中的应用越来越广泛，并将成为实现农业信息化与自动化的重要技术力量农业信息采集工作量巨大，信息的实时性和准确性是农业生产和科学研究领域普遍关注的问题，如何及时快速地进行农作物病害的准确判断一直是计算机技术面向农业领域研究工作的一项重要内容作物的病虫草害严重影响作物的产量和质量，本文针对作物病虫草害的自动化识别程度低，诊断不准确的问题，以计算机图像处理技术为重要手段，综合运用图像处理和植物病理学方面的知识，在国家自然科学基金项目（303060047）资助下，以常见的玉米叶部病害为研究对象，提出可行的识别方法，提高识别诊断的精度，为作物病虫草害自动识别诊断的相关研究提供理论依据
　　 本论文阐述了图像处理与识别的基本理论，使用VC++编程语言建立了玉米叶部病害的诊断识别软件系统课题组选择图像获取设备，搭建硬件检测系统，获取大田环境下的玉米叶部病害图片研究根据玉米叶部病害的特点，综合应用图像平滑阈值法区域标记局部阈值法和区域增长法相结合的算法（TSRG），对玉米叶部病害图片进行分割统计病斑的个数出去冗余斑点，同时提取出病斑的颜色和形状特征；采用基于模糊决策最大隶属度原则的模糊识别算法对玉米叶部的大斑病小斑病灰斑病褐斑病弯苞菌叶斑病锈病六种病害进行分类识别，并综合与其它识别方法的识别结果进行比较，得到较高精度的识别诊断结果，为研究作物病虫草害的智能识别诊断提供了软件和技术支持
　　 本研究取得了以下两方面的进展：第一，实现了玉米叶部大斑病小斑病灰斑病褐斑病弯苞菌叶斑病锈病六种病害的自动识别，识别准确率达到90％以上；第二，分析了利于玉米叶部病害识别的病斑特征，将模糊识别算法应用于玉米叶部病害识别适应玉米病害的特点，获得较高的识别精度同时综合其它的识别算法得出模糊识别应用的优势，提高了识别的准确性和可靠性
　　 将机器视觉应用于玉米叶部病害的识别诊断，拓展了机器视觉的应用范围，为机器视觉技术在农业领域的研究应用奠定了基础

目录

文摘

英文文摘

第一章 绪论

1.1 研究课题的背景及意义

1.2 课题来源与研究意义

1.3 国内外研究现状

1.3.1 国外研究现状

1.3.2 国内研究现状

1.3.3 图像识别在作物病虫草害方面的研究进展及存在问题

1.4 研究内容及技术路线

1.4.1 研究内容

1.4.2 技术路线

1.5 本文的组织结构

第二章 图像处理和模式识别的理论基础

2.1 图像处理基础知识

2.1.1 模拟图像的描述

2.1.2 数字图像的描述

2.1.3 数字图像的颜色表示方法

2.2 彩色图像的灰度化处理

2.3 图像平滑

2.3.1 空间域滤波

2.3.2 频域低通滤波器

2.4 图像分割

2.4.1 基于边缘检测的方法

2.4.2 基于区域的分割

2.4.3 神经网络方法

2.4.4 其它方法

2.4.5 彩色图像阈值法分割

2.5 区域标记

2.5.1 递归算法

2.5.2 序贯算法

2.5.3 区域标记算法分析

2.6 图像特征提取与选择

2.6.1 图像特征描述

2.6.2 特征提取的步骤

2.7 模式识别

2.7.1 模式识别概述

2.7.2 模式识别方法的选择

第三章 玉米叶部病害图像采集与处理

3.1 图像获取

3.2 图像噪声分析

3.3 分割方法的确定

3.3.1 颜色空间

3.3.2 分割算法确定

3.3.3 分割结果及其与其它算法的比较

第四章 玉米叶部病害的特征提取

4.1 玉米叶部病斑颜色特征

4.2 玉米叶部病害的形状特征

4.2.1 轮廓跟踪理论

4.2.2 周长与面积提取的原理

4.2.3 玉米叶部病斑特征提取程序代码

4.3 小结

第五章 玉米叶部病害诊断识别

5.1 模式识别综述

5.2 模糊分类器

5.2.1 病斑模型库的建立

5.2.2 特征入库及模糊识别算法部分代码

5.2.36类病害的模糊决策

5.2.4 病斑识别代码

5.3 小结

第六章 基于图像特征的玉米叶部病斑的模糊识别系统

6.1 软件开发工具

6.2 软件系统设计

6.3 软件系统实现

第七章 总结与展望

7.1 工作总结

7.2 认识和体会

参考文献

致谢

攻读硕士学位期间发表的论文