水稻冠層圖像的自動識別研究.pdf

1、隨著計算機(jī)視覺技術(shù)的迅速發(fā)展，其在農(nóng)業(yè)方面得到了非常廣泛的應(yīng)用。水稻葉片冠層作為水稻作物光合作用、蒸騰作用的主要器官，是其作物管理、特征參數(shù)估算的重要參數(shù)，在產(chǎn)量品質(zhì)估計、田間管理等方面具有重要的價值。本文運用數(shù)字圖像處理技術(shù)，將顏色特征和形狀特征的分割與識別技術(shù)運用到水稻冠層圖像的自動識別中，實現(xiàn)了水稻葉片冠層圖像的準(zhǔn)確提取。
　　本文主要研究內(nèi)容分為四個部分:綠色植物目標(biāo)與背景的分割方法研究;非粘連情況下的雜草去除;粘連情況下

2、的雜草識別與去除;基于輪廓曲率的雜草識別方法。
　　首先，根據(jù)綠色植物目標(biāo)與背景顏色上的差異，本文對目前常用的幾種顏色特征因子進(jìn)行實驗驗證，并對比分析實驗結(jié)果，選擇基于顏色分量運算與色域壓縮的背景分割方法，該方法能夠很好的分離綠色植物目標(biāo)與背景。
　　然后，在水稻葉片與雜草非粘連的情況下，本文采用面積過濾法濾除背景中白色雜點以及水稻葉片間的黑色小孔洞，為了保留與綠色植物目標(biāo)分離的小面積水稻葉片，本文引入了基于形狀特征的識別方

3、法。
　　其次，針對水稻葉片與單片近圓形雜草的識別，本文提出了凹點檢測與Hough變換相結(jié)合的識別方法，首先運用凹點檢測算法，通過算法參數(shù)的調(diào)節(jié)檢測出水稻葉片與雜草交疊處的凹點，對邊緣圖像進(jìn)行Hough變換處理檢測到近圓形區(qū)域即雜草，這樣根據(jù)有效凹點與檢測到的近圓形區(qū)域即能得到屬于雜草的具體區(qū)域，把此區(qū)域置為背景黑色，即去除了雜草區(qū)域。實驗結(jié)果表明，該方法的識別準(zhǔn)確率可以保持在90％以上。
　　最后，針對多片雜草交疊生長的情