利用颜色和形状特征的杂草识别方法研究

论文摘要

随着计算机技术的普及推广,精准农业模式的提出,应用计算机视觉、图像处理技术进行农作物中的杂草识别与控制成为可能。而对除草剂的变量喷洒技术而言,首要问题就是如何准确地采集田间杂草分布信息,并确定田间杂草的情况(位置、密度或种类等)从而实现精细喷洒。本文在总结国内外相关研究的基础上,以农田杂草为研究对象,重点研究杂草的颜色特征、颜色与形状特征相结合的提取及识别方法,实现对田间杂草的有效识别。为去除噪声的影响,首先对自然光照条件下采集的原始农田杂草图像进行图像预处理。针对麦田苗期的杂草与小麦相互交杂生长特点,本文提出一种基于遗传聚类和形态滤波识别杂草的方法。文中选取颜色空间OHTA中I2′分量作为特征量;利用基于遗传算法的自动阈值选取方法对特征分量I2′进行阈值分割初步分离杂草与小麦;通过颜色聚类和形态滤波获得准确的杂草区域。试验结果表明:直接在彩色空间进行分割,可提高彩色图像的分割效果,利用该方法获得的杂草平均正确识别率达到90.47%。根据棉花苗期的田间情况,发现棉花与常见杂草颜色相近,仅利用颜色特征不容易有效识别。本文综合颜色和形状特征对棉花田的杂草作初步研究,计算棉花田常见杂草的形状特征参数,为建立杂草特征数据库做准备。主要计算常见杂草的圆形度、伸长度、离散度和圆度四个具有RST不变性形状特征参数,与面积、周长等其他参数。可利用该数据库提供的特征数据进行组合分类训练,实现杂草的有效识别。本课题研究的田间杂草特征提取及识别方法,对实现杂草的准确定位与除草剂的变量喷洒提供了可行方案,对开发基于机器视觉的田间自动除草系统,提高我国农业生产自动化水平,具有重要的学术意义和实用价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状及发展趋势
• 1.2.1 颜色特征识别方法
• 1.2.2 形状特征识别方法
• 1.2.3 纹理特征识别方法
• 1.2.4 多特征融合识别方法
• 1.3 主要研究内容和方法
• 1.3.1 主要研究内容
• 1.3.2 实验设计方案
• 1.4 本章小结
• 第二章 实验系统的构成及图像采集
• 2.1 实验系统的硬件构成
• 2.2 图像采集
• 2.3 图像的色彩模式
• 2.4 彩色空间的选择
• 2.5 本章小结
• 第三章 图像预处理以及图像算法的选择
• 3.1 图像预处理
• 3.1.1 邻域平均滤波法
• 3.1.2 中值滤波法
• 3.2 图像阈值化处理
• 3.2.1 直方图法
• 3.2.2 最大熵阈值分割法
• 3.2.3 最大类间方差法
• 3.3 图像的分割后续处理
• 3.4 本章小结
• 第四章 利用颜色特征进行图像分割及杂草识别
• 4.1 利用颜色特征分割作物与背景
• 4.2 利用颜色特征分割作物与杂草
• 4.2.1 基于改进的多层同质性方法分割作物与杂草
• 4.2.2 基于遗传聚类和形态滤波分割作物与杂草
• 4.3 试验与评价系统
• 4.3.1 杂草的正确和错误识别率
• 4.3.2 试验结果
• 4.4 本章小结
• 第五章 综合利用颜色、形状等多特征融合的杂草识别方法
• 5.1 形状特征及其参数
• 5.2 杂草形状特征提取方法
• 5.3 分割方法一:利用形态学运算分割
• 5.4 分割方法二:利用分水岭技术分割
• 5.5 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 后续工作与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文