版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、當(dāng)今信息技術(shù)正在快速發(fā)展,使用計算機(jī)技術(shù)來解決農(nóng)業(yè)生產(chǎn)相關(guān)問題也成為當(dāng)前研究的熱點(diǎn)。近年來,大量國內(nèi)外的研究者們使用計算機(jī)視覺技術(shù)對農(nóng)作物病蟲害的識別、防治進(jìn)行了深入的研究,這些研究對指導(dǎo)農(nóng)業(yè)從業(yè)者進(jìn)行農(nóng)作物病蟲害防治,從而提高農(nóng)作物產(chǎn)量有著十分重要的意義。本研究在前人的研究基礎(chǔ)上,以花生褐斑病作為研究對象,使用圖像處理技術(shù)和支持向量機(jī)相關(guān)技術(shù)對花生褐斑病圖像的識別進(jìn)行了研究。在本論文中,主要進(jìn)行了如下的工作:
(1)對一種基
2、于非綠特征的病斑圖像分割算法進(jìn)行了改進(jìn)。改進(jìn)的算法首先通過基于非綠特征的圖像分割算法對花生病斑圖像進(jìn)行初始分割,得到初始病斑區(qū)域,再計算初始分割后得到的病斑區(qū)域G分量與R分量均值的差值,最后通過比較這個差值與提前設(shè)置的閾值的大小來決定是否對病斑進(jìn)行二次分割。試驗(yàn)結(jié)果表明,這種改進(jìn)后的分割算法對花生褐斑病圖像的平均分割準(zhǔn)確率達(dá)到了97.22%,比原始方法高5.28個百分點(diǎn),比傳統(tǒng)C-V模型分割效果高12.88個百分點(diǎn);平均運(yùn)行時間僅為后者
3、的24.64%。
(2)提出了一種基于改進(jìn)初始化輪廓位置C-V模型的圖像病斑分割方法。該方法首先也是通過基于非綠特征的圖像分割方法對病斑圖像進(jìn)行初始分割,得到初始病斑區(qū)域;再對初始病斑區(qū)域中各病斑區(qū)域進(jìn)行標(biāo)記并計算面積,去除面積小于閡值的連通區(qū)域;接著使用3x3的滑動窗口遍歷病斑圖像,計算窗口內(nèi)像素點(diǎn)R分量和G分量的差值,找到整幅病斑圖像中R和G差值最大的區(qū)域,記錄此時滑動窗口的中心像素坐標(biāo),并將此坐標(biāo)作為C-V模型演化輪廓的
4、初始化位置進(jìn)行病斑分割。試驗(yàn)結(jié)果表明,此分割算法在H分量上對花生褐斑病圖像分割的平均準(zhǔn)確率達(dá)到了94.42%,經(jīng)過此方法處理后的病斑圖像分割準(zhǔn)確率比原方法高10.08個百分點(diǎn),且平均運(yùn)行時間比傳統(tǒng)C-V模型大大減少。
(3)提取了花生褐斑病病斑區(qū)域形狀、顏色和紋理特征空間上的32個特征參數(shù),使用提取到的這些特征作為SVM的輸入項(xiàng)對花生褐斑病病斑圖像進(jìn)行逐個分類識別獲得每個特征的單一識別率,接著利用逐步判別法對每個特征參數(shù)進(jìn)行優(yōu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的虹膜圖像識別.pdf
- 基于遺傳算法優(yōu)化支持向量機(jī)的圖像識別
- 基于支持向量機(jī)的大鼠精原細(xì)胞的圖像識別.pdf
- 基于支持向量機(jī)的鐵譜磨粒圖像識別技術(shù).pdf
- 基于支持向量機(jī)的車標(biāo)圖像識別技術(shù)研究.pdf
- 基于混合向量和支持向量機(jī)的金屬斷口圖像識別與分類.pdf
- 基于支持向量機(jī)SVM的水稻害蟲圖像識別技術(shù)研究.pdf
- 模糊支持向量機(jī)及其在圖像識別中的應(yīng)用.pdf
- 基于支持向量機(jī)的路面狀態(tài)視頻圖像識別技術(shù)研究.pdf
- 基于不變矩和支持向量機(jī)的圖像識別方法研究.pdf
- 支持向量機(jī)在嵌入式圖像識別中的研究.pdf
- 蔥褐斑病
- 基于支持向量機(jī)的SAR圖像目標(biāo)識別.pdf
- 支持向量機(jī)若干基礎(chǔ)研究及其在圖像識別中的應(yīng)用.pdf
- 基于DM642和直推式支持向量機(jī)的紙幣圖像識別研究.pdf
- 基于支持向量機(jī)的冷酸蝕圖像特征識別.pdf
- 基于支持向量機(jī)的表情識別.pdf
- 基于Grouplet與關(guān)聯(lián)向量機(jī)的斷口圖像識別方法研究.pdf
- 基于支持向量機(jī)的車型識別.pdf
- 基于支持向量機(jī)的步態(tài)識別.pdf
評論
0/150
提交評論