基于支持向量機(jī)的花生褐斑病圖像識別.pdf

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)